論文の概要: I Know What You Did Last Summer: Identifying VR User Activity Through VR Network Traffic
- arxiv url: http://arxiv.org/abs/2501.15313v1
- Date: Sat, 25 Jan 2025 19:58:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-28 13:53:34.123386
- Title: I Know What You Did Last Summer: Identifying VR User Activity Through VR Network Traffic
- Title(参考訳): 去年の夏に何をしたか知っている:VRネットワークのトラフィックを通してVRユーザーの行動を識別する
- Authors: Sheikh Samit Muhaimin, Spyridon Mastorakis,
- Abstract要約: VRアプリケーションのセキュリティとプライバシに関する懸念と、それらがユーザに与える影響に関する懸念が持ち上がっている。
我々はMeta Quest Proヘッドセット上で動作する25のVRアプリケーションからネットワークトラフィックデータを収集し、生成されたネットワークトラフィックの特徴を特定する。
この結果から,MLモデルを用いることで,92.4F%の精度でVRアプリケーションを識別できることが示唆された。
- 参考スコア(独自算出の注目度): 2.0257616108612373
- License:
- Abstract: Virtual Reality (VR) technology has gained substantial traction and has the potential to transform a number of industries, including education, entertainment, and professional sectors. Nevertheless, concerns have arisen about the security and privacy implications of VR applications and the impact that they might have on users. In this paper, we investigate the following overarching research question: can VR applications and VR user activities in the context of such applications (e.g., manipulating virtual objects, walking, talking, flying) be identified based on the (potentially encrypted) network traffic that is generated by VR headsets during the operation of VR applications? To answer this question, we collect network traffic data from 25 VR applications running on the Meta Quest Pro headset and identify characteristics of the generated network traffic, which we subsequently use to train off-the-shelf Machine Learning (ML) models. Our results indicate that through the use of ML models, we can identify the VR applications being used with an accuracy of 92.4F% and the VR user activities performed with an accuracy of 91%. Furthermore, our results demonstrate that an attacker does not need to collect large amounts of network traffic data for each VR application to carry out such an attack. Specifically, an attacker only needs to collect less than 10 minutes of network traffic data for each VR application in order to identify applications with an accuracy higher than 90% and VR user activities with an accuracy higher than 88%.
- Abstract(参考訳): VR(Virtual Reality)技術は、教育、エンターテイメント、専門分野など、多くの産業を変革する可能性がある。
それでも、VRアプリケーションのセキュリティとプライバシに関する懸念や、それらがユーザに与える影響について懸念が持ち上がっている。
本稿では,VRヘッドセットがVRアプリケーションの操作中に発生する(潜在的に暗号化された)ネットワークトラフィックに基づいて,VRアプリケーションやVRユーザアクティビティを,そのようなアプリケーション(仮想オブジェクトの操作,歩行,会話,飛行など)のコンテキストで特定することができるか,という課題について検討する。
この質問に答えるために、Meta Quest Proヘッドセット上で動作する25のVRアプリケーションからネットワークトラフィックデータを収集し、生成されたネットワークトラフィックの特徴を特定し、その後、オフザシェルフ機械学習(ML)モデルをトレーニングするために使用します。
その結果,MLモデルを用いることで,92.4F%の精度で使用されているVRアプリケーションと91%の精度で実行されるVRユーザアクティビティを識別できることが示唆された。
さらに,本研究の結果から,攻撃者はこのような攻撃を行うために,各VRアプリケーションに対して大量のネットワークトラフィックデータを収集する必要はないことが示された。
具体的には、攻撃者は、90%以上の精度のアプリケーションと88%以上の精度のVRユーザアクティビティを特定するために、各VRアプリケーションに対して10分未満のネットワークトラフィックデータを収集するだけでよい。
関連論文リスト
- An Empirical Study on Oculus Virtual Reality Applications: Security and
Privacy Perspectives [46.995904896724994]
本稿では,VRアプリのためのセキュリティとプライバシ評価ツールであるVR-SP検出器を開発する。
筆者らはVR-SP検出器を用いて,500種類のVRアプリに関する総合的研究を行った。
VRアプリには、セキュリティ上の脆弱性やプライバシリークが数多く存在していることが分かりました。
論文 参考訳(メタデータ) (2024-02-21T13:53:25Z) - Evaluating Deep Networks for Detecting User Familiarity with VR from
Hand Interactions [7.609875877250929]
会議室やオフィス、クリニックなど、共同の仮想空間への入り口として、私たちはVRドアを使用します。
ユーザーはVRに慣れていないかもしれないが、ドアを開くのに慣れているだろう。
VRに精通した7人のユーザとVRに精通していない7人のユーザからなるパイロットデータセットを使用して、6人のテストユーザ、3人の馴染みのない3人のテストユーザを、残りの8人のデータを使ってトレーニングされた分類器で評価すると、88.03%の精度を得る。
論文 参考訳(メタデータ) (2024-01-27T19:15:24Z) - 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) - BehaVR: User Identification Based on VR Sensor Data [7.114684260471529]
これは、VRデバイス上で実行される複数のアプリによって収集されたすべてのセンサグループからのデータを収集し、分析するフレームワークである。
私たちはBehaVRを使って、20の人気のある現実世界のアプリと対話する実際のユーザーからデータを収集しています。
私たちは、利用可能なセンサデータから機能を抽出して、アプリ内およびアプリ間のユーザ識別のための機械学習モデルを構築します。
論文 参考訳(メタデータ) (2023-08-14T17:43:42Z) - Towards Modeling Software Quality of Virtual Reality Applications from
Users' Perspectives [44.46088489942242]
ユーザの視点からVRアプリケーションのソフトウェア品質をモデル化するための,初の大規模実証的研究を行った。
私たちは、半自動レビューマイニングアプローチにより、7つのアプリストアで14,150のVRアプリケーションの1,132,056のユーザーレビューを分析します。
分析の結果,VR特有の品質特性はユーザにとって非常に重要であり,VRアプリケーションの最もユニークな特性と密接に関連していることが判明した。
論文 参考訳(メタデータ) (2023-08-13T14:42:47Z) - VR.net: A Real-world Dataset for Virtual Reality Motion Sickness
Research [33.092692299254814]
VR.netは10のジャンルで10の現実世界のゲームから約12時間のゲームプレイビデオを提供するデータセットである。
各ビデオフレームに対して、カメラ/オブジェクト移動、深度場、モーションフローなど、モーション病関連ラベルの豊富なセットを正確に割り当てる。
我々は,VRゲームのソースコードにアクセスすることなく,3Dエンジンのレンダリングパイプラインから地上の真実データを自動的かつ正確に抽出するツールを利用する。
論文 参考訳(メタデータ) (2023-06-06T03:43:11Z) - Unique Identification of 50,000+ Virtual Reality Users from Head & Hand
Motion Data [58.27542320038834]
多数のリアルVRユーザーが頭と手の動きだけで複数のセッションで一意かつ確実に識別できることを示す。
個人あたり5分のデータで分類モデルをトレーニングした後、ユーザーは100秒の動作から94.33%の精度で50,000以上のプール全体で一意に識別することができる。
この研究は、バイオメカニクスがVRのユニークな識別子として機能しうる範囲を、顔認証や指紋認識などの広く使われている生体認証と同等に真に示す最初のものである。
論文 参考訳(メタデータ) (2023-02-17T15:05:18Z) - Wireless Edge-Empowered Metaverse: A Learning-Based Incentive Mechanism
for Virtual Reality [102.4151387131726]
メタバースにおけるVRサービスのための学習型インセンティブメカニズムフレームワークを提案する。
まず,仮想世界におけるVRユーザのための指標として,知覚の質を提案する。
第二に、VRユーザー(買い手)とVR SP(売り手)間のVRサービスの迅速な取引のために、オランダの二重オークション機構を設計する。
第3に,この競売プロセスの高速化を目的とした深層強化学習型競売機を設計する。
論文 参考訳(メタデータ) (2021-11-07T13:02:52Z) - Meta-Reinforcement Learning for Reliable Communication in THz/VLC
Wireless VR Networks [157.42035777757292]
屋内テラヘルツ(THz)/可視光通信(VLC)無線ネットワークにおいて,仮想現実(VR)サービスの品質向上の問題について検討した。
小型基地局(sbss)は高品質のvr画像をthzバンド経由でvrユーザーに送信し、発光ダイオード(led)は正確な屋内測位サービスを提供する。
研究したTHz/VLC無線VRネットワークのエネルギー消費を制御するには、VLCアクセスポイント(VAP)を選択的にオンにする必要がある。
論文 参考訳(メタデータ) (2021-01-29T15:57:25Z)
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。