論文の概要: Privacy-Preserving Gaze Data Streaming in Immersive Interactive Virtual Reality: Robustness and User Experience
- arxiv url: http://arxiv.org/abs/2402.07687v2
- Date: Wed, 21 Feb 2024 15:46:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 11:29:11.574846
- Title: Privacy-Preserving Gaze Data Streaming in Immersive Interactive Virtual Reality: Robustness and User Experience
- Title（参考訳）: 没入型インタラクティブバーチャルリアリティにおけるプライバシ保護ゲイズデータストリーミング:ロバストさとユーザエクスペリエンス
- Authors: Ethan Wilson, Azim Ibragimov, Michael J. Proulx, Sai Deep Tetali, Kevin Butler, Eakta Jain,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 11.130411904676095
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Eye tracking is routinely being incorporated into virtual reality (VR) systems. Prior research has shown that eye tracking data, if exposed, can be used for re-identification attacks. The state of our knowledge about currently existing privacy mechanisms is limited to privacy-utility trade-off curves based on data-centric metrics of utility, such as prediction error, and black-box threat models. We propose that for interactive VR applications, it is essential to consider user-centric notions of utility and a variety of threat models. We develop a methodology to evaluate real-time privacy mechanisms for interactive VR applications that incorporate subjective user experience and task performance metrics. We evaluate selected privacy mechanisms using this methodology and find that re-identification accuracy can be decreased to as low as 14% while maintaining a high usability score and reasonable task performance. Finally, we elucidate three threat scenarios (black-box, black-box with exemplars, and white-box) and assess how well the different privacy mechanisms hold up to these adversarial scenarios. This work advances the state of the art in VR privacy by providing a methodology for end-to-end assessment of the risk of re-identification attacks and potential mitigating solutions.
- Abstract（参考訳）: 視線追跡は常に仮想現実(VR)システムに組み込まれている。
以前の研究では、眼球追跡データが露出すれば、再識別攻撃に使用できることが示されている。
現在存在するプライバシーメカニズムに関する私たちの知識は、予測エラーやブラックボックス脅威モデルといったユーティリティのデータ中心のメトリクスに基づいて、プライバシユーティリティのトレードオフ曲線に限られています。
本稿では,対話型VRアプリケーションにおいて,ユーザ中心のユーティリティの概念と,さまざまな脅威モデルを検討することが重要であることを提案する。
我々は,主観的ユーザエクスペリエンスとタスクパフォーマンス指標を含む対話型VRアプリケーションにおける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。
本手法を用いて選択されたプライバシ機構を評価し,高いユーザビリティスコアと合理的なタスク性能を維持しつつ,再識別精度を14%以下に抑えることができることを確認した。
最後に,3つの脅威シナリオ(ブラックボックス,ファミコン付きブラックボックス,ホワイトボックス)を解明し,異なるプライバシメカニズムがこれらのシナリオにどの程度うまく対応しているかを評価する。
この研究は、再識別攻撃のリスクと潜在的な緩和ソリューションをエンドツーエンドで評価するための方法論を提供することで、VRプライバシの最先端を推し進める。
関連論文リスト
- Privacy-Preserving Video Anomaly Detection: A Survey [10.899433437231139]
Video Anomaly Detection (VAD)は、オープンスペースから収集された監視ビデオのパターンを自動的に分析し、物理的接触なしに損傷を引き起こす可能性のある異常事象を検出することを目的としている。
ビデオ伝送と使用における透明性の欠如は、プライバシーと倫理に関する一般の懸念を高め、VADの現実世界の応用を制限する。
近年,データ,特徴,システムなど,さまざまな観点から体系的な研究を行うことによって,VADのプライバシーに関する懸念に焦点が当てられている。
本稿は、P2VADの進歩を初めて体系的にレビューし、その範囲を定義し、直感的な分類法を提供する。
論文 参考訳（メタデータ） (2024-11-21T20:29:59Z) - Deep Motion Masking for Secure, Usable, and Scalable Real-Time Anonymization of Virtual Reality Motion Data [49.68609500290361]
最近の研究では、ほぼすべてのVRアプリケーションで使われているモーショントラッキングの「テレメトリ」データが、指紋スキャンと同じくらいに識別可能であることが示されている。
本稿では、既知の防御対策を確実に回避できる最先端のVR識別モデルを提案する。
論文 参考訳（メタデータ） (2023-11-09T01:34:22Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳（メタデータ） (2023-09-27T14:38:16Z) - TeD-SPAD: Temporal Distinctiveness for Self-supervised
Privacy-preservation for video Anomaly Detection [59.04634695294402]
人間の監視のないビデオ異常検出(VAD)は複雑なコンピュータビジョンタスクである。
VADのプライバシー漏洩により、モデルは人々の個人情報に関連する不必要なバイアスを拾い上げ、増幅することができる。
本稿では,視覚的プライベート情報を自己管理的に破壊する,プライバシーに配慮したビデオ異常検出フレームワークTeD-SPADを提案する。
論文 参考訳（メタデータ） (2023-08-21T22:42:55Z) - Your Room is not Private: Gradient Inversion Attack on Reinforcement
Learning [47.96266341738642]
プライバシーは、ロボットが実質的な個人情報にアクセスすることによって、具体化されたAIの領域における重要な関心事として浮上する。
本稿では, 状態, 行動, 監視信号の再構成に勾配インバージョンを利用する, 値ベースアルゴリズムと勾配ベースアルゴリズムに対する攻撃を提案する。
論文 参考訳（メタデータ） (2023-06-15T16:53:26Z) - Eye-tracked Virtual Reality: A Comprehensive Survey on Methods and
Privacy Challenges [33.50215933003216]
この調査は、仮想現実(VR)における視線追跡と、それらの可能性のプライバシーへの影響に焦点を当てている。
われわれは2012年から2022年にかけて、視線追跡、VR、プライバシー分野における主要な研究を最初に取り上げている。
我々は、視線に基づく認証と、個人のプライバシーと視線追跡データをVRで保存するための計算方法に焦点を当てる。
論文 参考訳（メタデータ） (2023-05-23T14:02:38Z) - Towards Zero-trust Security for the Metaverse [14.115124942695887]
ソーシャルバーチャルリアリティー(VR)におけるゼロトラストユーザ認証のための総合的研究アジェンダを開発する。
提案研究は,VRユーザの継続的な認証に適したバイオメトリックスベースの認証,バイオメトリックデータのユーザプライバシ保護のためのフェデレート学習の活用,マルチモーダルデータによる連続VR認証の精度向上,適応VR認証によるゼロトラストセキュリティのユーザビリティ向上の4つの具体的ステップを含む。
論文 参考訳（メタデータ） (2023-02-17T14:13:02Z) - 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) - 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)
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。