論文の概要: GaitGuard: Towards Private Gait in Mixed Reality

• arxiv url: http://arxiv.org/abs/2312.04470v5
• Date: Tue, 29 Apr 2025 04:51:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-30 20:17:25.469272
• 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,MR環境における歩行プライバシ保護のためのリアルタイムシステムであるGaitGuardを紹介する。 複数の緩和テクニックを比較し、組み合わせることで、プライバシとユーティリティのトレードオフをナビゲートするガイダンスを提供します。
• 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 usher in a new era of immersive, collective experiences, differentiating them from traditional mobile systems. As these technologies evolve, prioritizing privacy and security is critical. This paper focuses on gait privacy, where gait, the way a person walks, can reveal sensitive information such as age, ethnicity, or disorders. We present GaitGuard, a real-time system that protects gait privacy against video-based gait extraction attacks in MR environments. GaitGuard leverages a multi-threaded framework to efficiently process video frames, incorporating dedicated modules for stream capture, body detection and tracking, and privacy leak mitigation. We compare and combine multiple mitigation techniques, offering guidance to navigate the privacy-utility tradeoff. Through extensive experiments covering 248 settings across mitigation regions, types, and tunable parameters, we assess the impact of these techniques on privacy, video quality, and system performance. GaitGuard reduces the confidence of video-based gait extraction attacks by introducing a substantial distribution shift (Jensen-Shannon Divergence of 0.63, indicating highly altered gait features) and a decrease in identification risks by up to 68%, while maintaining 29 FPS and preserving video clarity. GaitGuard provides a practical real-time solution for privacy-preserving MR applications without affecting the MR user experience based on 20 subjective user surveys.
• Abstract（参考訳）: Augmented/Mixed Reality (AR/MR)技術は、没入的で集合的なエクスペリエンスの新しい時代を支え、それらを従来のモバイルシステムと区別する。 これらの技術が進化するにつれて、プライバシとセキュリティの優先順位付けが重要になる。 本稿では,歩行,歩行,歩行,年齢,民族性,障害などのセンシティブな情報を明らかにする歩行プライバシに焦点を当てる。 本稿では,MR環境における歩行プライバシ保護のためのリアルタイムシステムであるGaitGuardを紹介する。 GaitGuardはマルチスレッドフレームワークを活用してビデオフレームを効率的に処理し、ストリームキャプチャ、ボディ検出とトラッキング、プライバシリークの軽減のための専用のモジュールを組み込む。 複数の緩和テクニックを比較し、組み合わせることで、プライバシとユーティリティのトレードオフをナビゲートするガイダンスを提供します。 緩和領域,タイプ,調整可能なパラメータの248設定を網羅した広範な実験を通じて,これらの手法がプライバシ,ビデオ品質,システムパフォーマンスに与える影響を評価する。 GaitGuardは、実質的な分配シフト(高度に変化する歩行特徴を示すJensen-Shannon Divergence 0.63)を導入し、29FPSを維持しながら、識別リスクを最大68%減少させることにより、映像ベースの歩行抽出攻撃の信頼性を低下させる。 GaitGuardは、20の主観的ユーザ調査に基づくMRユーザエクスペリエンスに影響を与えることなく、プライバシー保護のMRアプリケーションに対して、実用的なリアルタイムソリューションを提供する。

関連論文リスト

• Video-DPRP: A Differentially Private Approach for Visual Privacy-Preserving Video Human Activity Recognition [1.90946053920849]
  ビデオHARにおけるプライバシー保護を保証する2つの主要なアプローチは、差分プライバシー(DP)と視覚的プライバシーである。 本稿では、HARのためのプライバシー保護ビデオ再構成のためのビデオサンプルワイド微分ランダム投影フレームワークであるVideo-DPRPを紹介する。 我々は,ビデオDPRPのアクティビティ認識性能と従来のDP手法,およびSOTA(State-of-the-art)ビジュアルプライバシ保存技術を比較した。
  論文  参考訳（メタデータ） (2025-03-03T23:43:12Z)
• PersGuard: Preventing Malicious Personalization via Backdoor Attacks on Pre-trained Text-to-Image Diffusion Models [51.458089902581456]
  特定の画像の悪質なパーソナライズを防ぐ新しいバックドアベースのアプローチであるPersGuardを紹介する。 我々の手法は既存の技術よりも優れており、プライバシーと著作権保護に対するより堅牢なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-02-22T09:47:55Z)
• 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)
• 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)
• 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)
• 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)
• 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)
• 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)
• 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)
• 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)
• 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)
• 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。