論文の概要: Privacy Preservation and Identity Tracing Prevention in AI-Driven Eye Tracking for Interactive Learning Environments

• arxiv url: http://arxiv.org/abs/2509.05376v1
• Date: Thu, 04 Sep 2025 13:08:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.4762
• Title: Privacy Preservation and Identity Tracing Prevention in AI-Driven Eye Tracking for Interactive Learning Environments
• Title（参考訳）: 対話型学習環境におけるAI駆動型アイトラッキングにおけるプライバシ保護とアイデンティティ追跡防止
• Authors: Abdul Rehman, Are Dæhlen, Ilona Heldal, Jerry Chun-wei Lin,
• Abstract要約: 視線追跡技術は、神経発達障害を理解し、人の身元を追跡するのに役立つ。 本稿では、AIによる視線追跡の教育的メリットを保ちながら、アイデンティティのバックトラッキングを防止するために設計された人間中心のフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 17.850299218352102
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Eye-tracking technology can aid in understanding neurodevelopmental disorders and tracing a person's identity. However, this technology poses a significant risk to privacy, as it captures sensitive information about individuals and increases the likelihood that data can be traced back to them. This paper proposes a human-centered framework designed to prevent identity backtracking while preserving the pedagogical benefits of AI-powered eye tracking in interactive learning environments. We explore how real-time data anonymization, ethical design principles, and regulatory compliance (such as GDPR) can be integrated to build trust and transparency. We first demonstrate the potential for backtracking student IDs and diagnoses in various scenarios using serious game-based eye-tracking data. We then provide a two-stage privacy-preserving framework that prevents participants from being tracked while still enabling diagnostic classification. The first phase covers four scenarios: I) Predicting disorder diagnoses based on different game levels. II) Predicting student IDs based on different game levels. III) Predicting student IDs based on randomized data. IV) Utilizing K-Means for out-of-sample data. In the second phase, we present a two-stage framework that preserves privacy. We also employ Federated Learning (FL) across multiple clients, incorporating a secure identity management system with dummy IDs and administrator-only access controls. In the first phase, the proposed framework achieved 99.3% accuracy for scenario 1, 63% accuracy for scenario 2, and 99.7% accuracy for scenario 3, successfully identifying and assigning a new student ID in scenario 4. In phase 2, we effectively prevented backtracking and established a secure identity management system with dummy IDs and administrator-only access controls, achieving an overall accuracy of 99.40%.
• Abstract（参考訳）: 視線追跡技術は、神経発達障害を理解し、人の身元を追跡するのに役立つ。 しかし、この技術は個人に関する機密情報を捉え、データを追跡できる可能性を高めるため、プライバシーに重大なリスクをもたらす。 本稿では、対話型学習環境におけるAIによる視線追跡の教育的メリットを保ちながら、アイデンティティのバックトラッキングを防止するために設計された人間中心のフレームワークを提案する。 我々は、信頼と透明性を構築するために、リアルタイムデータ匿名化、倫理設計原則、規制コンプライアンス(GDPRなど)をどのように統合できるかを考察する。 まず,真剣なゲームベースの視線追跡データを用いて,学生IDと診断のバックトラックの可能性を示す。 次に、2段階のプライバシ保護フレームワークを提供し、参加者の追跡を防止しつつ、診断の分類を可能にします。 第1フェーズでは4つのシナリオをカバーしている。 II)異なるゲームレベルに基づく学生IDの予測。 III) ランダム化データに基づく学生IDの予測。 IV) サンプル外データに対するK平均の利用。 第2フェーズでは、プライバシを保存するための2段階のフレームワークを提示します。 また、複数のクライアントにまたがってFederated Learning(FL)を採用し、ダミーIDと管理者専用のアクセス制御を備えたセキュアなID管理システムを導入しています。 第1フェーズでは、シナリオ1の99.3%の精度、シナリオ2の63%の精度、シナリオ3の99.7%の精度を達成し、シナリオ4の新たな学生IDの特定と割り当てに成功した。 第2フェーズでは、バックトラッキングを効果的に防止し、ダミーIDと管理者のみのアクセス制御を備えたセキュアなID管理システムを構築し、全体的な精度は99.40%に達した。

関連論文リスト

• Following the Clues: Experiments on Person Re-ID using Cross-Modal Intelligence [0.0]
  CRIDは、Large Vision-Language Models、Graph Attention Networks、そして表現学習を組み合わせたクロスプラットフォームフレームワークである。 提案手法は,解釈可能な特徴の同定と活用に重点を置いており,低レベルの外観的手がかりを超えた意味論的意味的PIIの検出を可能にする。 本実験は,実運用におけるデータ横断型Re-IDシナリオの性能向上を示す。
  論文  参考訳（メタデータ） (2025-07-02T09:10:33Z)
• Differential Privacy in Machine Learning: From Symbolic AI to LLMs [49.1574468325115]
  差別化プライバシは、プライバシーリスクを軽減するための正式なフレームワークを提供する。 単一のデータポイントの包含や除外がアルゴリズムの出力を著しく変更しないことを保証する。
  論文  参考訳（メタデータ） (2025-06-13T11:30:35Z)
• Towards Scalable Defenses against Intimate Partner Infiltrations [9.694038607827169]
  Intimate Partner Infiltration (IPI) は、身近な近さと個人的知識を活用し、標準的保護を回避する。 スマートフォン上での不正アクセスや不審な動作を継続的に監視する自動IPI検出システムであるAIDを提案する。 AIDは、既存手法の11倍低い1.6%の偽陽性率と、エンドツーエンドのF1スコア0.981の、非所有者アクセスおよび細粒なIPI関連アクティビティを高精度に検出する。
  論文  参考訳（メタデータ） (2025-02-06T00:07:08Z)
• Task-Agnostic Federated Learning [4.041327615026293]
  本研究では,自己教師付きFLフレームワークを適応させることにより,未確認タスクのタスク非依存および一般化問題に対処する。 ビジョントランスフォーマー(ViT)を、自己教師付き事前トレーニングのためのコンセンサス機能エンコーダとして利用し、初期ラベルを必要とせず、さまざまなデータセットやタスク間で効果的な表現学習を可能にするフレームワークである。
  論文  参考訳（メタデータ） (2024-06-25T02:53:37Z)
• 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)
• Erasing, Transforming, and Noising Defense Network for Occluded Person Re-Identification [36.91680117072686]
  我々は,隠蔽された人物のリIDを解決するために,ETNDNet(Easing, Transforming, and Noising Defense Network)を提案する。 提案するETNDNetでは,特徴マップをランダムに消去し,不完全な情報を持つ逆表現を生成する。 第3に、障害物や歩行者以外の歩行者が導入したノイズ情報に対処するために、ランダムな値で特徴マップを摂動する。
  論文  参考訳（メタデータ） (2023-07-14T06:42:21Z)
• Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
  乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。 これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。 本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
  論文  参考訳（メタデータ） (2021-12-13T17:11:32Z)
• Federated Test-Time Adaptive Face Presentation Attack Detection with Dual-Phase Privacy Preservation [100.69458267888962]
  顔提示攻撃検出(fPAD)は、現代の顔認識パイプラインにおいて重要な役割を果たす。 法的およびプライバシー上の問題により、トレーニングデータ(実際の顔画像と偽画像)は、異なるデータソース間で直接共有することはできない。 本稿では,二相プライバシー保護フレームワークを用いたフェデレーションテスト時間適応顔提示検出を提案する。
  論文  参考訳（メタデータ） (2021-10-25T02:51:05Z)
• Differentially Private and Fair Deep Learning: A Lagrangian Dual Approach [54.32266555843765]
  本稿では,個人の機密情報のプライバシを保護するとともに,非差別的予測器の学習を可能にするモデルについて検討する。 この方法は、微分プライバシーの概念と、公正性制約を満たすニューラルネットワークの設計にラグランジアン双対性(Lagrangian duality)を用いることに依存している。
  論文  参考訳（メタデータ） (2020-09-26T10:50:33Z)

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。