論文の概要: GaitGuard: Towards Private Gait in Mixed Reality
- arxiv url: http://arxiv.org/abs/2312.04470v2
- Date: Fri, 8 Dec 2023 02:16:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 12:56:06.455154
- Title: GaitGuard: Towards Private Gait in Mixed Reality
- Title(参考訳): GaitGuard: 混合現実におけるプライベート・ゲイトを目指して
- Authors: Diana Romero, Ruchi Jagdish Patel, Athina Markopoulou, Salma Elmalaki,
- Abstract要約: 本稿ではまず,人間の歩行情報を自動的に検出するフレームワークであるGaitExtractを紹介する。
本稿では,AR/MRデバイスのカメラビューに現れる人々の歩行情報を保護するシステムであるGaitGuardを提案する。
- 参考スコア(独自算出の注目度): 3.2392550445029396
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Augmented/Mixed Reality (AR/MR) devices are unique from other mobile systems because of their capability to offer an immersive multi-user collaborative experience. While previous studies have explored privacy and security aspects of multiple user interactions in AR/MR, a less-explored area is the vulnerability of gait privacy. Gait is considered a private state because it is a highly individualistic and a distinctive biometric trait. Thus, preserving gait privacy in emerging AR/MR systems is crucial to safeguard individuals from potential identity tracking and unauthorized profiling. This paper first introduces GaitExtract, a framework designed to automatically detect gait information in humans, shedding light on the nuances of gait privacy in AR/MR. In this paper, we designed GaitExtract, a framework that can automatically detect the outside gait information of a human and investigate the vulnerability of gait privacy in AR. In a user study with 20 participants, our findings reveal that participants were uniquely identifiable with an accuracy of up to 78% using GaitExtract. Consequently, we propose GaitGuard, a system that safeguards gait information of people appearing in the camera view of the AR/MR device. Furthermore, we tested GaitGuard in an MR collaborative application, achieving 22 fps while streaming mitigated frames to the collaborative server. Our user-study survey indicated that users are more comfortable with releasing videos of them walking when GaitGuard is applied to the frames. These results underscore the efficacy and practicality of GaitGuard in mitigating gait privacy concerns in MR contexts.
- Abstract(参考訳): Augmented/Mixed Reality (AR/MR)デバイスは、没入型マルチユーザコラボレーションエクスペリエンスを提供する能力のため、他のモバイルシステムとは異なる。
これまでの研究では、AR/MRにおける複数のユーザインタラクションのプライバシとセキュリティの側面を調査してきたが、あまり調査されていない領域は、歩行プライバシーの脆弱性である。
ゲイトは、非常に個人主義的で独特な生体特性であるため、私的国家と考えられている。
したがって、新興AR/MRシステムにおける歩行プライバシの保護は、個人を潜在的なアイデンティティ追跡や不正なプロファイリングから保護するために不可欠である。
本稿ではまず,人間の歩行情報を自動的に検出するフレームワークであるGaitExtractを紹介し,AR/MRにおける歩行プライバシのニュアンスに光を当てる。
本稿では,人間の歩行情報を自動的に検出し,ARにおける歩行プライバシの脆弱性を調査するフレームワークであるGaitExtractを設計した。
被験者20名を対象に行った調査では,GaitExtractの精度は最大78%であった。
そこで我々は,AR/MRデバイスのカメラビューに現れる人々の歩行情報を保護するシステムであるGaitGuardを提案する。
さらに、MRコラボレーティブアプリケーションでGaitGuardをテストし、コラボレーティブサーバに緩和フレームをストリーミングしながら22fpsを実現した。
ユーザーの調査によると、GaitGuardがフレームに適用されたとき、ユーザーは歩行中のビデオのリリースに慣れている。
これらの結果は、MRコンテキストにおける歩行プライバシーの懸念を軽減するために、GaitGuardの有効性と実用性を強調している。
関連論文リスト
- The Good and The Bad: Exploring Privacy Issues in Retrieval-Augmented
Generation (RAG) [56.67603627046346]
Retrieval-augmented Generation (RAG)は、プロプライエタリおよびプライベートデータによる言語モデルを容易にする強力な技術である。
本研究では,プライベート検索データベースの漏洩に対するRAGシステムの脆弱性を実証する,新たな攻撃手法による実証的研究を行う。
論文 参考訳(メタデータ) (2024-02-23T18:35:15Z) - Protect Your Score: Contact Tracing With Differential Privacy Guarantees [68.53998103087508]
プライバシーに関する懸念は、現在展開を控えている、と私たちは主張する。
本稿では,この攻撃に対して異なるプライバシー保証を有する接触追跡アルゴリズムを提案する。
特に現実的な検査シナリオでは,ウイルス感染率の2倍から10倍の低下を実現している。
論文 参考訳(メタデータ) (2023-12-18T11:16:33Z) - Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。
具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。
本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
論文 参考訳(メタデータ) (2023-09-11T09:26:07Z) - Adaptive Privacy Composition for Accuracy-first Mechanisms [55.53725113597539]
ノイズ低減機構はますます正確な答えを生み出す。
アナリストは、公表された最も騒々しい、あるいは最も正確な回答のプライバシー費用のみを支払う。
ポスト前のプライベートメカニズムがどのように構成されるかは、まだ研究されていない。
我々は、分析者が微分プライベートとポストプライベートのメカニズムを適応的に切り替えることのできるプライバシーフィルタを開発した。
論文 参考訳(メタデータ) (2023-06-24T00:33:34Z) - Pedestrian Attribute Editing for Gait Recognition and Anonymization [5.023444925092373]
本稿では、GaitEditorと呼ばれる歩行属性編集フレームワークを提案する。
視覚的認証を維持しつつ、実際の歩行シーケンスに対して様々な属性編集を行うことができる。
GaitEditorは、複数の歩行属性を編集し、同時に歩行認識と歩行匿名化の恩恵を受けることができる最初のフレームワークである。
論文 参考訳(メタデータ) (2023-03-09T07:20:37Z) - STPrivacy: Spatio-Temporal Tubelet Sparsification and Anonymization for
Privacy-preserving Action Recognition [28.002605566359676]
両時間的視点からプライバシー保護を行うPPARパラダイムを提案し,STPrivacyフレームワークを提案する。
当社のSTPrivacyは初めて視覚変換器をPPARに適用し,映像を漏洩時管のシーケンスと見なしている。
大規模なベンチマークがないため、最も人気のある2つのアクション認識データセットの5つのプライバシ属性を注釈付けします。
論文 参考訳(メタデータ) (2023-01-08T14:07:54Z) - OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。
本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。
提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
論文 参考訳(メタデータ) (2022-05-24T11:29:37Z) - SPAct: Self-supervised Privacy Preservation for Action Recognition [73.79886509500409]
アクション認識におけるプライバシー漏洩を緩和するための既存のアプローチは、ビデオデータセットのアクションラベルとともに、プライバシラベルを必要とする。
自己教師付き学習(SSL)の最近の進歩は、未ラベルデータの未発見の可能性を解き放ちつつある。
本稿では、プライバシーラベルを必要とせず、自己管理的な方法で、入力ビデオからプライバシー情報を除去する新しいトレーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2022-03-29T02:56:40Z) - GaitPrivacyON: Privacy-Preserving Mobile Gait Biometrics using
Unsupervised Learning [6.325464216802613]
GaitPrivacyONは、被験者の機密情報を保存しながら正確な認証結果を提供する、新しい移動歩行生体認証手法である。
最初のモジュール(畳み込みオートエンコーダ)は、保護対象の機密属性を特定することなく、教師なしの方法で訓練される。
我々の知る限りでは、これは、教師なしの方法で訓練されたプライバシー保護方法を考える最初のモバイル歩行検証アプローチである。
論文 参考訳(メタデータ) (2021-10-08T08:32:26Z) - Learning With Differential Privacy [3.618133010429131]
異なるプライバシーは、漏洩に対する適切な保護を約束して救助にやってくる。
データの収集時にランダムな応答技術を使用し、より優れたユーティリティで強力なプライバシを保証します。
論文 参考訳(メタデータ) (2020-06-10T02:04:13Z) - Differential Privacy for Eye Tracking with Temporal Correlations [30.44437258959343]
VRやARメガネなどのヘッドマウントディスプレイは、すでに統合されたアイトラッキングによって市場に出回っている。
眼球運動特性には生体情報が含まれているため、プライバシー上の懸念を適切に扱う必要がある。
本稿では、眼球運動特徴データの統計にさらなる適応を図るために、新しい変換符号化に基づく差分プライバシー機構を提案する。
論文 参考訳(メタデータ) (2020-02-20T19:01:34Z)
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。