論文の概要: GaitGuard: Towards Private Gait in Mixed Reality
- arxiv url: http://arxiv.org/abs/2312.04470v3
- Date: Tue, 4 Jun 2024 05:13:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-06 13:47:23.468242
- 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: GaitGuardは、AR/MRデバイスのカメラビュー内の歩行機能のプライバシを保護するために設計された最初のリアルタイムフレームワークである。
GaitGuardは識別のリスクを最大68%削減し、最小遅延は118.77msである。
- 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) technologies offers a new era of immersive, collaborative experiences, distinctively setting them apart from conventional mobile systems. However, as we further investigate the privacy and security implications within these environments, the issue of gait privacy emerges as a critical yet underexplored concern. Given its uniqueness as a biometric identifier that can be correlated to several sensitive attributes, the protection of gait information becomes crucial in preventing potential identity tracking and unauthorized profiling within these systems. In this paper, we conduct a user study with 20 participants to assess the risk of individual identification through gait feature analysis extracted from video feeds captured by MR devices. Our results show the capability to uniquely identify individuals with an accuracy of up to 92%, underscoring an urgent need for effective gait privacy protection measures. Through rigorous evaluation, we present a comparative analysis of various mitigation techniques, addressing both aware and unaware adversaries, in terms of their utility and impact on privacy preservation. From these evaluations, we introduce GaitGuard, the first real-time framework designed to protect the privacy of gait features within the camera view of AR/MR devices. Our evaluations of GaitGuard within a MR collaborative scenario demonstrate its effectiveness in implementing mitigation that reduces the risk of identification by up to 68%, while maintaining a minimal latency of merely 118.77 ms, thus marking a critical step forward in safeguarding privacy within AR/MR ecosystems.
- Abstract(参考訳): Augmented/Mixed Reality (AR/MR)技術は、没入的で協調的な体験の新しい時代を提供する。
しかし、これらの環境におけるプライバシーとセキュリティの影響をさらに調査するにつれ、歩行プライバシーの問題は批判的だが未解明の懸念として浮かび上がっている。
いくつかの機密属性と相関できる生体認証識別子としての特異性を考えると、歩行情報の保護は、これらのシステム内での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を防ぐ上で重要である。
本稿では,MR デバイスが捉えた映像フィードから抽出した歩行特徴分析を用いて,20人の参加者によるユーザスタディを行い,個人識別のリスクを評価する。
以上の結果から,最大92%の精度で個人を識別できることが示唆された。
厳密な評価を通じて、その実用性とプライバシ保護への影響の観点から、意識的・無意識的な敵の双方に対処する様々な緩和手法の比較分析を行う。
これらの評価から、AR/MRデバイスのカメラビュー内の歩行機能のプライバシを保護するために設計された、最初のリアルタイムフレームワークであるGaitGuardを紹介する。
MRコラボレーティブシナリオにおけるGaitGuardの評価は、AR/MRエコシステム内のプライバシを保護する上で重要なステップである118.77ミリ秒の最小レイテンシを維持しながら、識別のリスクを最大68%削減する緩和の実装の有効性を示す。
関連論文リスト
- Differentially Private Integrated Decision Gradients (IDG-DP) for Radar-based Human Activity Recognition [5.955900146668931]
近年の研究では、レーダー歩行パターンから被写体や性別を認識する上で高い精度が示され、プライバシーの懸念が高まっている。
本研究では,レーダベースヒューマンアクティビティ認識(HAR)システムにおけるプライバシ脆弱性を調査することによって,これらの問題に対処する。
本稿では,IDGアルゴリズムによって導かれる属性によって駆動される差分プライバシー(DP)を用いた新たなプライバシー保護手法を提案する。
論文 参考訳(メタデータ) (2024-11-04T14:08:26Z) - Collaborative Inference over Wireless Channels with Feature Differential Privacy [57.68286389879283]
複数の無線エッジデバイス間の協調推論は、人工知能(AI)アプリケーションを大幅に強化する可能性がある。
抽出された特徴を抽出することは、プロセス中に機密性の高い個人情報が暴露されるため、重大なプライバシーリスクをもたらす。
本稿では,ネットワーク内の各エッジデバイスが抽出された機能のプライバシを保護し,それらを中央サーバに送信して推論を行う,新たなプライバシ保存協調推論機構を提案する。
論文 参考訳(メタデータ) (2024-10-25T18:11:02Z) - Privacy-Preserving Gaze Data Streaming in Immersive Interactive Virtual Reality: Robustness and User Experience [11.130411904676095]
アイトラッキングデータが露出すれば、再識別攻撃に使用できる。
対話型VRアプリケーションのためのリアルタイムプライバシメカニズムを評価する手法を開発した。
論文 参考訳(メタデータ) (2024-02-12T14:53:12Z) - 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) - A Randomized Approach for Tight Privacy Accounting [63.67296945525791]
推定検証リリース(EVR)と呼ばれる新しい差分プライバシーパラダイムを提案する。
EVRパラダイムは、まずメカニズムのプライバシパラメータを推定し、その保証を満たすかどうかを確認し、最後にクエリ出力を解放する。
我々の実証的な評価は、新たに提案されたEVRパラダイムが、プライバシ保護機械学習のユーティリティプライバシトレードオフを改善することを示している。
論文 参考訳(メタデータ) (2023-04-17T00:38:01Z) - On the Privacy Effect of Data Enhancement via the Lens of Memorization [20.63044895680223]
我々は,記憶化という新たな視点からプライバシを調査することを提案する。
記憶のレンズを通して、以前デプロイされたMIAは、より高いプライバシーリスクを持つサンプルを特定する可能性が低いため、誤解を招く結果をもたらすことがわかった。
一般化ギャップとプライバシリークは, これまでの結果に比べて相関が低いことを示す。
論文 参考訳(メタデータ) (2022-08-17T13:02:17Z) - Privacy-Aware Adversarial Network in Human Mobility Prediction [11.387235721659378]
ユーザの再識別やその他の機密性の高い推論は、位置情報データがクラウド支援アプリケーションと共有される場合、主要なプライバシー上の脅威である。
LSTMに基づく逆表現学習により、元の位置情報データのプライバシー保護機能表現を実現する。
モビリティトレースのプライバシは、限界モビリティユーティリティーのコストで、まともな保護を達成できることを示します。
論文 参考訳(メタデータ) (2022-08-09T19:23:13Z) - PrivHAR: Recognizing Human Actions From Privacy-preserving Lens [58.23806385216332]
我々は、人間の行動認識パイプラインに沿って、堅牢な視覚的プライバシー保護を提供するための最適化フレームワークを提案する。
我々のフレームワークは、カメラレンズをパラメータ化して、ビデオの品質を劣化させ、プライバシー特性を抑え、敵の攻撃を防ぎます。
論文 参考訳(メタデータ) (2022-06-08T13:43:29Z) - Partial sensitivity analysis in differential privacy [58.730520380312676]
それぞれの入力特徴が個人のプライバシ損失に与える影響について検討する。
プライベートデータベース上でのクエリに対する我々のアプローチを実験的に評価する。
また、合成データにおけるニューラルネットワークトレーニングの文脈における知見についても検討する。
論文 参考訳(メタデータ) (2021-09-22T08:29:16Z) - Privacy for Rescue: A New Testimony Why Privacy is Vulnerable In Deep
Models [6.902994369582068]
エッジクラウドシステム実行モデルにおけるプライバシ保護問題の形式的定義を示す。
我々は最先端の手法を分析し、それらの手法の欠点を指摘する。
本稿では,プライバシー保護手法の有効性を評価するために,より正確な2つの指標を提案する。
論文 参考訳(メタデータ) (2019-12-31T15:55:03Z)
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。