論文の概要: Zooming Into Video Conferencing Privacy and Security Threats
- arxiv url: http://arxiv.org/abs/2007.01059v1
- Date: Thu, 2 Jul 2020 12:31:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-11 20:46:08.148093
- Title: Zooming Into Video Conferencing Privacy and Security Threats
- Title（参考訳）: プライバシーとセキュリティの脅威をビデオに拡大する
- Authors: Dima Kagan, Galit Fuhrmann Alpert, Michael Fire
- Abstract要約: ビデオ会議のユーザーは、セキュリティとプライバシーの脅威に直面している。
ビデオ会議の公開イメージを数千枚集めるのは比較的容易である。
ソーシャルメディアデータによる顔画像データの相互参照は、参加者をさらなるプライバシーリスクに陥らせる可能性がある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The COVID-19 pandemic outbreak, with its related social distancing and
shelter-in-place measures, has dramatically affected ways in which people
communicate with each other, forcing people to find new ways to collaborate,
study, celebrate special occasions, and meet with family and friends. One of
the most popular solutions that have emerged is the use of video conferencing
applications to replace face-to-face meetings with virtual meetings. This
resulted in unprecedented growth in the number of video conferencing users. In
this study, we explored privacy issues that may be at risk by attending virtual
meetings. We extracted private information from collage images of meeting
participants that are publicly posted on the Web. We used image processing,
text recognition tools, as well as social network analysis to explore our web
crawling curated dataset of over 15,700 collage images, and over 142,000 face
images of meeting participants. We demonstrate that video conference users are
facing prevalent security and privacy threats. Our results indicate that it is
relatively easy to collect thousands of publicly available images of video
conference meetings and extract personal information about the participants,
including their face images, age, gender, usernames, and sometimes even full
names. This type of extracted data can vastly and easily jeopardize people's
security and privacy both in the online and real-world, affecting not only
adults but also more vulnerable segments of society, such as young children and
older adults. Finally, we show that cross-referencing facial image data with
social network data may put participants at additional privacy risks they may
not be aware of and that it is possible to identify users that appear in
several video conference meetings, thus providing a potential to maliciously
aggregate different sources of information about a target individual.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)パンデミック(covid-19)のパンデミックは、関連するソーシャルディスタンシングやシェルターインプレイス対策と共に、人々が互いにコミュニケーションする方法に劇的に影響を与え、人々が協力し、研究し、特別な機会を祝い、家族や友人と会うための新しい方法を見つけることを余儀なくされている。
最も人気のあるソリューションの1つは、対面ミーティングを仮想ミーティングに置き換えるためにビデオ会議アプリケーションを使用することである。
これにより、ビデオ会議ユーザーの数が前例のない増加となった。
本研究では,仮想会議に参加することで危険にさらされる可能性のあるプライバシー問題について検討した。
web上に公開されている会議参加者のコラージュ画像から個人情報を抽出した。
我々は、画像処理、テキスト認識ツール、およびソーシャルネットワーク分析を使用して、15,700コラージュ画像、142,000枚以上の参加者の顔画像のウェブクローリングデータセットを探索した。
ビデオ会議のユーザは、セキュリティとプライバシーの脅威に悩まされている。
以上の結果から,ビデオ会議の公開画像数千枚を集め,参加者の顔画像,年齢,性別,ユーザ名,時にはフルネームなどの個人情報を抽出することは比較的容易であることが示唆された。
この種の抽出データは、オンラインと現実世界の両方で人々のセキュリティとプライバシを著しく、容易に危険に晒し、大人だけでなく、幼児や高齢者のような社会のより脆弱な部分にも影響を及ぼす。
最後に, 顔画像データとソーシャルネットワークデータとの相互参照により, 参加者が気付いていないかもしれない追加のプライバシーリスクが生じる可能性があること, ビデオ会議の会議に現れるユーザを識別できること, ターゲット個人に関する情報の異なる情報源を悪意的に集約する可能性を示す。
関連論文リスト
- Anonymization Prompt Learning for Facial Privacy-Preserving Text-to-Image Generation [56.46932751058042]
我々は、テキストから画像への拡散モデルのための学習可能なプロンプトプレフィックスをトレーニングし、匿名化された顔のアイデンティティを生成するよう強制する。
実験では,非同一性固有の画像生成の品質を損なうことなく,特定の個人を匿名化するAPLの匿名化性能を実証した。
論文 参考訳（メタデータ） (2024-05-27T07:38:26Z) - Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。
また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-31T19:28:04Z) - Face Clustering for Connection Discovery from Event Images [1.9181612035055007]
ソーシャルグラフは、リコメンデーションやコミュニティ検出など、多くのアプリケーションで有用である。
イベントイメージはまた、参加者間のインタラクションをキャプチャし、そこからソーシャルなつながりを発見し、ソーシャルグラフを形成する。
本稿では,イベント画像から社会的つながりを発見するシステムを提案する。
論文 参考訳（メタデータ） (2023-09-03T06:06:43Z) - Person Re-Identification without Identification via Event Anonymization [23.062038973576296]
ディープラーニングは、イベントカメラからのイメージを高い忠実度で再構築することができ、イベントベースのビジョンアプリケーションに対するプライバシーに対する潜在的な脅威を再導入した。
本稿では,プライバシを保護し,人物ReIdのような下流タスクを実行するという2つの目的のために,エンドツーエンドのネットワークアーキテクチャを共同で提案する。
論文 参考訳（メタデータ） (2023-08-08T17:04:53Z) - Analysis of Adversarial Image Manipulations [0.7734726150561088]
オンラインでアップロードされた画像は、ユーザーの同意や知識なしに取り除くことができる。
本稿では,シンプルな画像操作技術が顔認識ソフトウェアの精度に与える影響について検討する。
論文 参考訳（メタデータ） (2023-05-10T16:52:43Z) - Cross-Network Social User Embedding with Hybrid Differential Privacy
Guarantees [81.6471440778355]
プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。
特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。
ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
論文 参考訳（メタデータ） (2022-09-04T06:22:37Z) - Privacy-Preserving Face Recognition with Learnable Privacy Budgets in
Frequency Domain [77.8858706250075]
本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。
本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
論文 参考訳（メタデータ） (2022-07-15T07:15:36Z) - FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。
ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。
また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
論文 参考訳（メタデータ） (2022-05-23T07:19:42Z) - Private Eye: On the Limits of Textual Screen Peeking via Eyeglass
Reflections in Video Conferencing [18.84055230013228]
ビデオは参加者の画面上の情報をリークする。
本研究は, 数学的モデリングと人体実験を用いて, 出現するウェブカメラが認識可能なテキスト情報を漏洩する程度について検討する。
本研究は,多フレーム超解像技術を用いて,映像フレームのシーケンス上での光学的攻撃に基づく脅威モデルの検討と特徴付けを行う。
論文 参考訳（メタデータ） (2022-05-08T23:29:13Z) - Understanding Privacy Attitudes and Concerns Towards Remote
Communications During the COVID-19 Pandemic [20.898105100825926]
新型コロナウイルス(COVID-19)のパンデミックにより、世界中の人々が社会的距離を取るようになった。
この前例のない状況では、ユーザのセキュリティを守り、プライバシを尊重することが重要です。
世界中の220人のProlific参加者を対象にオンライン調査を行った。
論文 参考訳（メタデータ） (2021-06-09T17:17:06Z) - Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。
TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文 参考訳（メタデータ） (2020-03-15T12:45:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。