論文の概要: Trade-offs in Privacy-Preserving Eye Tracking through Iris Obfuscation: A Benchmarking Study
- arxiv url: http://arxiv.org/abs/2504.10267v2
- Date: Tue, 15 Apr 2025 09:43:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-16 22:10:16.904685
- Title: Trade-offs in Privacy-Preserving Eye Tracking through Iris Obfuscation: A Benchmarking Study
- Title（参考訳）: 虹彩回避によるプライバシー保護眼球追跡のトレードオフ--ベンチマーク研究
- Authors: Mengdi Wang, Efe Bozkir, Enkelejda Kasneci,
- Abstract要約: ユーザアイデンティティを難読化するために,ボーリング,ノイズアップ,ダウンサンプリング,ゴムシートモデル,アイリススタイルの転送をベンチマークした。
実験の結果,曖昧化やノイズ化といった標準的な画像処理手法が,ディープラーニングに基づくタスクに限界的影響を与えることがわかった。
ダウンサンプリング,ゴムシートモデル,アイリススタイル転送は,ユーザ識別子の隠蔽に有効であるが,アイリススタイル転送は高い計算コストで,両ユーティリティタスクにおいて他よりも優れている。
- 参考スコア（独自算出の注目度）: 44.44776028287441
- License:
- Abstract: Recent developments in hardware, computer graphics, and AI may soon enable AR/VR head-mounted displays (HMDs) to become everyday devices like smartphones and tablets. Eye trackers within HMDs provide a special opportunity for such setups as it is possible to facilitate gaze-based research and interaction. However, estimating users' gaze information often requires raw eye images and videos that contain iris textures, which are considered a gold standard biometric for user authentication, and this raises privacy concerns. Previous research in the eye-tracking community focused on obfuscating iris textures while keeping utility tasks such as gaze estimation accurate. Despite these attempts, there is no comprehensive benchmark that evaluates state-of-the-art approaches. Considering all, in this paper, we benchmark blurring, noising, downsampling, rubber sheet model, and iris style transfer to obfuscate user identity, and compare their impact on image quality, privacy, utility, and risk of imposter attack on two datasets. We use eye segmentation and gaze estimation as utility tasks, and reduction in iris recognition accuracy as a measure of privacy protection, and false acceptance rate to estimate risk of attack. Our experiments show that canonical image processing methods like blurring and noising cause a marginal impact on deep learning-based tasks. While downsampling, rubber sheet model, and iris style transfer are effective in hiding user identifiers, iris style transfer, with higher computation cost, outperforms others in both utility tasks, and is more resilient against spoof attacks. Our analyses indicate that there is no universal optimal approach to balance privacy, utility, and computation burden. Therefore, we recommend practitioners consider the strengths and weaknesses of each approach, and possible combinations of those to reach an optimal privacy-utility trade-off.
- Abstract（参考訳）: 近年のハードウェア、コンピュータグラフィックス、AIの進歩により、AR/VRヘッドマウントディスプレイ(HMD)がスマートフォンやタブレットのような日常的なデバイスになる可能性がある。
HMD内のアイトラッカーは、視線に基づく研究と相互作用を促進することができるため、そのような設定のための特別な機会を提供する。
しかし、ユーザの視線情報を推定するには、虹彩テクスチャを含む生のアイ画像やビデオが必要であることが多く、これはユーザ認証の金の標準バイオメトリックであると考えられており、プライバシー上の懸念を生じさせる。
視線推定などの実用的タスクを正確に保ちながら、虹彩テクスチャの難読化に焦点を当てた視線追跡コミュニティにおける先行研究を行った。
これらの試みにもかかわらず、最先端のアプローチを評価する包括的なベンチマークは存在しない。
本稿では, 画像品質, プライバシ, 実用性, および2つのデータセットに対する不適切な攻撃リスクに対する影響を比較検討し, ボケ, ノーミング, ダウンサンプリング, ゴムシートモデル, アイリススタイルのユーザアイデンティティへの転送をベンチマークする。
プライバシ保護の尺度としてアイリス認識の精度を低下させ,攻撃リスクを推定するために,視線分割と視線推定をユーティリティタスクとして用いた。
実験の結果,曖昧化やノイズ化といった標準的な画像処理手法が,ディープラーニングに基づくタスクに限界的影響を与えることがわかった。
ダウンサンプリング,ゴムシートモデル,アイリススタイル転送は,ユーザ識別子の隠蔽に有効であるが,アイリススタイル転送は計算コストが高く,実用性にも優れ,スプーフ攻撃に対する耐性も高い。
分析の結果,プライバシ,ユーティリティ,計算負荷のバランスをとるための汎用的アプローチは存在しないことが示唆された。
したがって、それぞれのアプローチの長所と短所、そしてそれらの組み合わせが最適なプライバシーと実用のトレードオフに達する可能性を考えることを推奨する。
関連論文リスト
- 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) - 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) - Attribute-Guided Encryption with Facial Texture Masking [64.77548539959501]
本稿では,顔認識システムからユーザを保護するために,顔テクスチャマスキングを用いた属性ガイド暗号化を提案する。
提案手法は,最先端の手法よりも自然な画像を生成する。
論文 参考訳（メタデータ） (2023-05-22T23:50:43Z) - An Efficient Ensemble Explainable AI (XAI) Approach for Morphed Face
Detection [1.2599533416395763]
深層学習予測モデル(EfficientNet-Grad1)のより包括的な視覚的説明を提供するために,Ensemble XAIという新しい視覚的説明手法を提案する。
実験は、Face Research Lab London Set、Wide Multi-Channel Presentation Attack (WMCA)、Makeup induced Face Spoofing (MIFS)の3つの公開データセットで実施された。
論文 参考訳（メタデータ） (2023-04-23T13:43:06Z) - Multimodal Adaptive Fusion of Face and Gait Features using Keyless
attention based Deep Neural Networks for Human Identification [67.64124512185087]
歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。
本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
論文 参考訳（メタデータ） (2023-03-24T05:28:35Z) - 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) - On Benchmarking Iris Recognition within a Head-mounted Display for AR/VR
Application [16.382021536377437]
我々は、ヘッドマウントディスプレイ(HMD)に適した虹彩認識アルゴリズムのセットを評価する。
我々は最近開発されたミニチュアセグメンテーションモデル(EyeMMS)を用いて虹彩のセグメンテーションを行っている。
アイリス認識の性能に感銘を受けて,HMDにおける非協調的なキャプチャ設定において,ユーザの継続的な認証を提案する。
論文 参考訳（メタデータ） (2020-10-20T17:05:11Z) - Towards End-to-end Video-based Eye-Tracking [50.0630362419371]
画像のみから視線を推定することは、観察不可能な人固有の要因のために難しい課題である。
本稿では,これらの意味的関係と時間的関係を明確に学習することを目的とした,新しいデータセットとアタッチメント手法を提案する。
視覚刺激からの情報と視線画像の融合が,文献に記録された人物と同じような性能を達成することにつながることを実証した。
論文 参考訳（メタデータ） (2020-07-26T12:39:15Z) - 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。