論文の概要: PrivateGaze: Preserving User Privacy in Black-box Mobile Gaze Tracking Services
- arxiv url: http://arxiv.org/abs/2408.00950v1
- Date: Thu, 1 Aug 2024 23:11:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-05 14:46:34.118128
- Title: PrivateGaze: Preserving User Privacy in Black-box Mobile Gaze Tracking Services
- Title(参考訳): PrivateGaze: Black-box Mobile Gaze Trackingサービスにおけるユーザプライバシ保護
- Authors: Lingyu Du, Jinyuan Jia, Xucong Zhang, Guohao Lan,
- Abstract要約: PrivateGazeは、ブラックボックスの視線追跡サービスにおいて、ユーザのプライバシを効果的に保護する最初のアプローチである。
本研究では,顔画像から難読化画像に変換するプライバシー保護者を訓練するための新しい枠組みを提案する。
難読化画像は、本人性や性別などの個人情報を、不正な分類から保護することができることを示す。
- 参考スコア(独自算出の注目度): 32.15755914718391
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Eye gaze contains rich information about human attention and cognitive processes. This capability makes the underlying technology, known as gaze tracking, a critical enabler for many ubiquitous applications and has triggered the development of easy-to-use gaze estimation services. Indeed, by utilizing the ubiquitous cameras on tablets and smartphones, users can readily access many gaze estimation services. In using these services, users must provide their full-face images to the gaze estimator, which is often a black box. This poses significant privacy threats to the users, especially when a malicious service provider gathers a large collection of face images to classify sensitive user attributes. In this work, we present PrivateGaze, the first approach that can effectively preserve users' privacy in black-box gaze tracking services without compromising gaze estimation performance. Specifically, we proposed a novel framework to train a privacy preserver that converts full-face images into obfuscated counterparts, which are effective for gaze estimation while containing no privacy information. Evaluation on four datasets shows that the obfuscated image can protect users' private information, such as identity and gender, against unauthorized attribute classification. Meanwhile, when used directly by the black-box gaze estimator as inputs, the obfuscated images lead to comparable tracking performance to the conventional, unprotected full-face images.
- Abstract(参考訳): 視線は人間の注意と認知過程に関する豊富な情報を含んでいる。
この能力は、多くのユビキタスアプリケーションにとって重要なイネーブラーである視線追跡(gage tracking)として知られる基礎技術を生み出し、使い易い視線推定サービスの開発を促している。
実際、タブレットやスマートフォン上のユビキタスカメラを利用することで、ユーザーは容易に多くの視線推定サービスにアクセスすることができる。
これらのサービスを利用するには、ユーザーは視線推定器にフルフェイス画像を提供しなければならない。
これは、特に悪意のあるサービスプロバイダが大量の顔画像を収集して機密性の高いユーザー属性を分類する場合、ユーザにとって重大なプライバシー上の脅威となる。
本研究では,ブラックボックスの視線追跡サービスにおいて,視線推定性能を損なうことなくユーザのプライバシを効果的に保護する手法であるPrivateGazeを提案する。
具体的には,プライバシ情報を含まないまま視線推定に有効である全顔画像を難読化したプライバシ保護者を訓練するための新しい枠組みを提案する。
4つのデータセットの評価により、難読化画像は、本人性や性別などのユーザの個人情報を、不正な属性分類から保護できることが示された。
一方、ブラックボックスの視線推定器を直接入力として使用すると、難読化画像は従来の非保護フルフェイス画像と同等のトラッキング性能が得られる。
関連論文リスト
- A Survey on Facial Image Privacy Preservation in Cloud-Based Services [22.38855934169858]
顔認識モデルは、アイデンティティ認証、消費者サービス、監視のために、商業企業、政府機関、クラウドサービスプロバイダーによってますます採用されている。
ユーザーの顔画像は同意なしに悪用され、潜在的なデータ漏洩や誤用につながる可能性がある。
本調査では,クラウドベースのサービスにおける顔画像のプライバシ保護を目的とした現在の手法を概観する。
論文 参考訳(メタデータ) (2025-01-15T09:00:32Z) - Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。
また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-31T19:28:04Z) - PrivatEyes: Appearance-based Gaze Estimation Using Federated Secure
Multi-Party Computation [10.50795947657397]
PrivatEyesは、フェデレートラーニング(FL)とセキュアマルチパーティ計算(MPC)に基づく外見に基づく視線推定のためのプライバシー向上手法である。
PrivatEyesは、異なるユーザにわたる複数のローカルデータセット上での視線推定器のトレーニングと、個々の推定器のアップデートをサーバベースのセキュアアグリゲーションを可能にする。
新しいデータ漏洩攻撃 DualView は、PrivatEyes が以前のアプローチよりも効果的なプライベートトレーニングデータのリークを制限することを示している。
論文 参考訳(メタデータ) (2024-02-29T09:19:06Z) - 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) - LDP-Feat: Image Features with Local Differential Privacy [10.306943706927006]
埋め込みから元の画像の特徴を復元できることを示すために,2つの新しい反転攻撃を提案する。
本稿では,画像特徴を局所的な差分プライバシーによって民営化する最初の手法を提案する。
論文 参考訳(メタデータ) (2023-08-22T06:28:55Z) - Fairly Private: Investigating The Fairness of Visual Privacy
Preservation Algorithms [1.5293427903448025]
本稿では,一般的に使用されている視覚的プライバシ保護アルゴリズムの妥当性について検討する。
PubFigデータセットの実験は、提供されたプライバシ保護がグループ間で不平等であることを明確に示している。
論文 参考訳(メタデータ) (2023-01-12T13:40:38Z) - 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) - 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) - Privacy-Preserving Image Features via Adversarial Affine Subspace
Embeddings [72.68801373979943]
多くのコンピュータビジョンシステムでは、ユーザーは画像処理とストレージのためにイメージ機能をクラウドにアップロードする必要がある。
本稿では,新しいプライバシー保護機能表現を提案する。
従来の特徴と比較すると,敵が個人情報を回収するのは極めて困難である。
論文 参考訳(メタデータ) (2020-06-11T17:29:48Z) - PrivEdge: From Local to Distributed Private Training and Prediction [43.02041269239928]
PrivEdgeはプライバシ保護機械学習(ML)のためのテクニック
PrivEdgeは、トレーニングのためにデータを提供するユーザのプライバシと、予測サービスを使用するユーザのプライバシを保護する。
PrivEdgeは、プライバシの保存や、プライベートイメージと非プライベートイメージの区別において、高い精度とリコールを持っていることを示す。
論文 参考訳(メタデータ) (2020-04-12T09:26:12Z)
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。