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

• Activity Recognition on Avatar-Anonymized Datasets with Masked Differential Privacy [64.32494202656801]
  プライバシを保存するコンピュータビジョンは、機械学習と人工知能において重要な問題である。 本稿では,ビデオデータセット中の感性のある被験者を文脈内の合成アバターに置き換える匿名化パイプラインを提案する。 また、匿名化されていないがプライバシーに敏感な背景情報を保護するため、MaskDPを提案する。
  論文  参考訳（メタデータ） (2024-10-22T15:22:53Z)
• 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)
• 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)
• Privacy Protectability: An Information-theoretical Approach [4.14084373472438]
  本稿では,ビデオストリームをどの程度保護できるかを特徴付けるために,新たなメートル法であるテクストプライバシー保護法を提案する。 プライバシ保護性の定義は情報理論に根ざし,メトリックを推定する効率的なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-05-25T04:06:55Z)
• 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)
• 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)
• 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)
• Robustness Threats of Differential Privacy [70.818129585404]
  我々は、いくつかの設定で差分プライバシーをトレーニングしたネットワークが、非プライベートバージョンに比べてさらに脆弱であることを実験的に実証した。 本研究では,勾配クリッピングや雑音付加などのニューラルネットワークトレーニングの主成分が,モデルの堅牢性に与える影響について検討する。
  論文  参考訳（メタデータ） (2020-12-14T18:59:24Z)
• 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。