論文の概要: Effect of Data Degradation on Motion Re-Identification

• arxiv url: http://arxiv.org/abs/2407.18378v1
• Date: Thu, 25 Jul 2024 20:23:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-29 14:59:16.843784
• Title: Effect of Data Degradation on Motion Re-Identification
• Title（参考訳）: データ劣化が運動再同定に及ぼす影響
• Authors: Vivek Nair, Mark Roman Miller, Rui Wang, Brandon Huang, Christian Rack, Marc Erich Latoschik, James F. O'Brien,
• Abstract要約: 本研究では,信号劣化が識別性に及ぼす影響について検討し,特に付加雑音,フレームレートの低減,精度の低下,データの次元性の低下について検討した。 実験により,これらの劣化に対して,最先端の識別攻撃は依然としてほぼ完全であることがわかった。
• 参考スコア（独自算出の注目度）: 16.062009131216467
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The use of virtual and augmented reality devices is increasing, but these sensor-rich devices pose risks to privacy. The ability to track a user's motion and infer the identity or characteristics of the user poses a privacy risk that has received significant attention. Existing deep-network-based defenses against this risk, however, require significant amounts of training data and have not yet been shown to generalize beyond specific applications. In this work, we study the effect of signal degradation on identifiability, specifically through added noise, reduced framerate, reduced precision, and reduced dimensionality of the data. Our experiment shows that state-of-the-art identification attacks still achieve near-perfect accuracy for each of these degradations. This negative result demonstrates the difficulty of anonymizing this motion data and gives some justification to the existing data- and compute-intensive deep-network based methods.
• Abstract（参考訳）: バーチャルおよび拡張現実デバイスの使用は増えているが、これらのセンサーに富んだデバイスはプライバシーにリスクをもたらす。 ユーザの動作を追跡し、ユーザのアイデンティティや特性を推測する能力は、大きな注目を集めたプライバシーリスクを引き起こす。 しかし、このリスクに対する既存のディープネットワークベースの防御には、かなりの量のトレーニングデータが必要であり、特定のアプリケーションを超えて一般化することがまだ示されていない。 本研究では,信号劣化が識別性に及ぼす影響,特に付加雑音,フレームレートの低減,精度の低減,データの次元性の向上などについて検討する。 実験により,これらの劣化に対して,最先端の識別攻撃は依然としてほぼ完全であることがわかった。 この否定的な結果は、この動きデータを匿名化することの難しさを示し、既存のデータと計算集約的なディープネットワークベースの手法にある程度の正当性を与える。

関連論文リスト

• Semi-Truths: A Large-Scale Dataset of AI-Augmented Images for Evaluating Robustness of AI-Generated Image detectors [62.63467652611788]
  実画像27,600枚、223,400枚、AI拡張画像1,472,700枚を含むSEMI-TRUTHSを紹介する。 それぞれの画像には、検出器のロバスト性の標準化と目標評価のためのメタデータが添付されている。 以上の結果から,現状の検出器は摂動の種類や程度,データ分布,拡張方法に様々な感度を示すことが示唆された。
  論文  参考訳（メタデータ） (2024-11-12T01:17:27Z)
• Region of Interest Loss for Anonymizing Learned Image Compression [3.0936354370614607]
  人間の顔が認識不能になり,人体が検出不能となるような,十分な匿名化を実現する方法を示す。 このアプローチは、ネットワーク越しに機密性の高い匿名化データを送信するのではなく、キャプチャデバイス上の1ステップで圧縮と匿名化を可能にする。
  論文  参考訳（メタデータ） (2024-06-09T10:36:06Z)
• KiNETGAN: Enabling Distributed Network Intrusion Detection through Knowledge-Infused Synthetic Data Generation [0.0]
  合成ネットワーク活動データ(KiNETGAN)を生成するための知識注入型ジェネレーティブ・アドバイサル・ネットワークを提案する。 弊社のアプローチは、プライバシー問題に対処しながら、分散侵入検知のレジリエンスを高める。
  論文  参考訳（メタデータ） (2024-05-26T08:02:02Z)
• Enabling Privacy-Preserving Cyber Threat Detection with Federated Learning [4.475514208635884]
  本研究は, プライバシー保護型サイバー脅威検出のための学習の可能性について, 有効性, ビザンチンレジリエンス, 効率の観点から, 体系的に検証した。 FLトレーニングされた検出モデルは、中央訓練された検出モデルに匹敵する性能が得られることを示す。 現実的な脅威モデルの下では、FLはデータ中毒とモデル中毒の両方の攻撃に対して抵抗性があることが判明した。
  論文  参考訳（メタデータ） (2024-04-08T01:16:56Z)
• Shielding the Unseen: Privacy Protection through Poisoning NeRF with Spatial Deformation [59.302770084115814]
  本稿では,Neural Radiance Fields(NeRF)モデルの生成機能に対して,ユーザのプライバシを保護する革新的な手法を提案する。 我々の新しい中毒攻撃法は、人間の目では認識できないが、NeRFが正確に3Dシーンを再構築する能力を損なうのに十分強力である観察ビューの変化を誘発する。 我々は、高品質の画像を含む29の現実世界シーンからなる2つの共通のNeRFベンチマークデータセットに対して、我々のアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2023-10-04T19:35:56Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• 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)
• Robust Data Hiding Using Inverse Gradient Attention [82.73143630466629]
  データ隠蔽タスクでは、異なる耐久性を有するため、カバー画像の各ピクセルを別々に扱う必要がある。 Inverse Gradient Attention (IGA) を用いた新しい深層データ隠蔽方式を提案する。 実証的な実験により、提案モデルが2つの先行するデータセット上で最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-11-21T19:08:23Z)
• How important are faces for person re-identification? [14.718372669984364]
  顔検出およびぼかしアルゴリズムを適用し、複数の人気人物再識別データセットの匿名化バージョンを作成する。 我々は,この匿名化が標準メトリクスを用いた再識別性能に与える影響を評価する。
  論文  参考訳（メタデータ） (2020-10-13T11:47:16Z)
• To augment or not to augment? Data augmentation in user identification based on motion sensors [24.182791316595576]
  本稿では,モーションセンサデータに有用な拡張手法を見つけるために,いくつかのデータ拡張手法について検討する。 ユーザを識別するのに有用な信号パターンは、特定のデータ拡張技術によってもたらされる変換にあまりにも敏感だからです。
  論文  参考訳（メタデータ） (2020-09-01T09:11:12Z)
• Vision Meets Wireless Positioning: Effective Person Re-identification with Recurrent Context Propagation [120.18969251405485]
  既存の人物再識別方法は、歩行者を捕獲する視覚センサーに依存している。 携帯電話は、無線測位信号の形で、WiFiや携帯電話ネットワークによって感知することができる。 本稿では,視覚データと無線位置決めデータの間で情報伝達を可能にする新しいコンテキスト伝搬モジュールを提案する。
  論文  参考訳（メタデータ） (2020-08-10T14:19:15Z)

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。