論文の概要: Covert Embodied Choice: Decision-Making and the Limits of Privacy Under Biometric Surveillance

• arxiv url: http://arxiv.org/abs/2101.00771v1
• Date: Mon, 4 Jan 2021 04:45:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-17 22:24:28.735074
• Title: Covert Embodied Choice: Decision-Making and the Limits of Privacy Under Biometric Surveillance
• Title（参考訳）: covert embodied choice: バイオメトリックス・サーベイランスにおける意思決定とプライバシーの限界
• Authors: Jeremy Gordon, Max Curran, John Chuang, Coye Cheshire
• Abstract要約: 我々は、視線、運動、その他の生理的信号を追跡するバーチャルリアリティータスクの結果を提示する。 参加者はさまざまな戦略を使っていますが、収集されたデータは選択肢(80%の精度)を非常に予測できるままです。 参加者のかなりの部分は難解化の努力にもかかわらず予測しやすくなり、おそらくアルゴリズム予測の力学に関する誤解の前兆を示している。
• 参考スコア（独自算出の注目度）: 6.92628425870087
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Algorithms engineered to leverage rich behavioral and biometric data to predict individual attributes and actions continue to permeate public and private life. A fundamental risk may emerge from misconceptions about the sensitivity of such data, as well as the agency of individuals to protect their privacy when fine-grained (and possibly involuntary) behavior is tracked. In this work, we examine how individuals adjust their behavior when incentivized to avoid the algorithmic prediction of their intent. We present results from a virtual reality task in which gaze, movement, and other physiological signals are tracked. Participants are asked to decide which card to select without an algorithmic adversary anticipating their choice. We find that while participants use a variety of strategies, data collected remains highly predictive of choice (80% accuracy). Additionally, a significant portion of participants became more predictable despite efforts to obfuscate, possibly indicating mistaken priors about the dynamics of algorithmic prediction.
• Abstract（参考訳）: リッチな行動と生体計測データを利用して個々の属性や行動を予測するアルゴリズムは、公的および私的な生活を浸透させ続けている。 基本的なリスクは、そのようなデータの感度に関する誤解や、きめ細かな(そしておそらくは不随意な)行動が追跡された場合のプライバシーを保護する個人機関から生じます。 本研究では,意図のアルゴリズム的予測を避けるために,インセンティブを付与された個人がどのように行動を調整するかを検討する。 我々は、視線、運動、その他の生理的信号を追跡するバーチャルリアリティータスクの結果を提示する。 参加者は、アルゴリズム上の敵が選択を予想せずに選択するカードを決定する。 参加者はさまざまな戦略を使っているが、収集したデータは高い予測値(80%の正確さ)のままである。 さらに、参加者のかなりの部分は難解化の努力にもかかわらず予測しやすくなり、おそらくアルゴリズム予測のダイナミクスに関する誤解の前兆を示している。

関連論文リスト

• Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
  我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。 我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
  論文  参考訳（メタデータ） (2024-05-15T20:41:46Z)
• Measuring Strategization in Recommendation: Users Adapt Their Behavior to Shape Future Content [66.71102704873185]
  実験と調査を行うことで,ユーザストラテジゼーションの試行を行う。 参加者の居住時間や「いいね!」の使用など,結果指標間での戦略化の強い証拠を見出す。 この結果から,プラットフォームはアルゴリズムがユーザの行動に与える影響を無視できないことが示唆された。
  論文  参考訳（メタデータ） (2024-05-09T07:36:08Z)
• Training Private Models That Know What They Don't Know [40.19666295972155]
  いくつかの一般的な選択的予測手法は、差分的にプライベートな環境では効果がないことがわかった。 モデルユーティリティレベルを越えた選択予測性能を分離する新しい評価機構を提案する。
  論文  参考訳（メタデータ） (2023-05-28T12:20:07Z)
• Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
  行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。 この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
  論文  参考訳（メタデータ） (2022-11-01T11:07:37Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• Towards a Data Privacy-Predictive Performance Trade-off [2.580765958706854]
  分類タスクにおけるデータプライバシと予測性能のトレードオフの存在を評価する。 従来の文献とは異なり、プライバシーのレベルが高ければ高いほど、予測性能が向上することを確認した。
  論文  参考訳（メタデータ） (2022-01-13T21:48:51Z)
• Anonymization for Skeleton Action Recognition [6.772319578308409]
  我々は,スケルトンデータセットから潜在的なプライバシー漏洩を保護するために,匿名化アルゴリズムの2つの変種を提案する。 実験結果から、匿名化されたデータセットは、動作認識性能に限界効果がある一方で、プライバシー漏洩のリスクを低減できることが示された。
  論文  参考訳（メタデータ） (2021-11-30T05:13:20Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• Multimodal Privacy-preserving Mood Prediction from Mobile Data: A Preliminary Study [34.550824104906255]
  精神的な健康状態は、先進医療に共通のアクセスを持つ国でも診断が不十分である。 人間の行動を監視するための有望なデータソースのひとつは、毎日のスマートフォンの利用だ。 リスクの高い青年の移動行動のデータセットを用いて行動マーカーや日常の気分を調査した。
  論文  参考訳（メタデータ） (2020-12-04T01:44:22Z)
• Differentially Private and Fair Deep Learning: A Lagrangian Dual Approach [54.32266555843765]
  本稿では,個人の機密情報のプライバシを保護するとともに,非差別的予測器の学習を可能にするモデルについて検討する。 この方法は、微分プライバシーの概念と、公正性制約を満たすニューラルネットワークの設計にラグランジアン双対性(Lagrangian duality)を用いることに依存している。
  論文  参考訳（メタデータ） (2020-09-26T10:50:33Z)
• Differentially Private Algorithms for Statistical Verification of Cyber-Physical Systems [5.987774571079633]
  抽出されたサンプルの数を明らかにすることは、プライバシーを侵害する可能性があることを示す。 予測差分プライバシーと呼ばれる新しい差分プライバシーの概念を提案する。
  論文  参考訳（メタデータ） (2020-04-01T08:14:23Z)

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。