論文の概要: Side-channel Inference of User Activities in AR/VR Using GPU Profiling

• arxiv url: http://arxiv.org/abs/2509.10703v1
• Date: Fri, 12 Sep 2025 21:44:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.741052
• Title: Side-channel Inference of User Activities in AR/VR Using GPU Profiling
• Title（参考訳）: GPUプロファイリングを用いたAR/VRにおけるユーザアクティビティのサイドチャネル推定
• Authors: Seonghun Son, Chandrika Mukherjee, Reham Mohamed Aburas, Berk Gulmezoglu, Z. Berkay Celik,
• Abstract要約: OVRWatcherはAR/VRデバイス用の新しいサイドチャネルプリミティブであり、バックグラウンドスクリプトを介して低解像度(1Hz)GPU使用率を監視することでユーザアクティビティを推測する。 OVRWatcherは、さまざまなスピード、距離、レンダリングシナリオの下で、GPUメトリックと3Dオブジェクトインタラクションの相関をキャプチャする。 アプリの指紋認証では99%以上、オブジェクトレベルの推論では98%以上を達成している。
• 参考スコア（独自算出の注目度）: 9.072390470827283
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Over the past decade, AR/VR devices have drastically changed how we interact with the digital world. Users often share sensitive information, such as their location, browsing history, and even financial data, within third-party apps installed on these devices, assuming a secure environment protected from malicious actors. Recent research has revealed that malicious apps can exploit such capabilities and monitor benign apps to track user activities, leveraging fine-grained profiling tools, such as performance counter APIs. However, app-to-app monitoring is not feasible on all AR/VR devices (e.g., Meta Quest), as a concurrent standalone app execution is disabled. In this paper, we present OVRWatcher, a novel side-channel primitive for AR/VR devices that infers user activities by monitoring low-resolution (1Hz) GPU usage via a background script, unlike prior work that relies on high-resolution profiling. OVRWatcher captures correlations between GPU metrics and 3D object interactions under varying speeds, distances, and rendering scenarios, without requiring concurrent app execution, access to application data, or additional SDK installations. We demonstrate the efficacy of OVRWatcher in fingerprinting both standalone AR/VR and WebXR applications. OVRWatcher also distinguishes virtual objects, such as products in immersive shopping apps selected by real users and the number of participants in virtual meetings, thereby revealing users' product preferences and potentially exposing confidential information from those meetings. OVRWatcher achieves over 99% accuracy in app fingerprinting and over 98% accuracy in object-level inference.
• Abstract（参考訳）: 過去10年間で、AR/VRデバイスはデジタル世界との対話方法を大きく変えてきた。 ユーザは、悪意のあるアクターから保護されたセキュアな環境を前提として、これらのデバイスにインストールされたサードパーティアプリ内で、位置情報、ブラウジング履歴、財務データなどの機密情報を共有することが多い。 最近の研究によると、悪意のあるアプリはそのような機能を悪用し、良質なアプリを監視してユーザーのアクティビティを追跡し、パフォーマンスカウンタAPIのようなきめ細かいプロファイリングツールを活用することができる。 しかし、アプリ間監視はすべてのAR/VRデバイス(Meta Questなど)で実現不可能ではない。 本稿では,高分解能プロファイリングに依存する以前の作業とは異なり,バックグラウンドスクリプトによる低分解能(1Hz)GPU使用率の監視によりユーザアクティビティを推論する,AR/VRデバイス用の新しいサイドチャネルプリミティブであるOVRWatcherを提案する。 OVRWatcherは、同時アプリの実行、アプリケーションデータへのアクセス、追加のSDKインストールを必要とせずに、さまざまなスピード、距離、レンダリングシナリオ下でのGPUメトリックと3Dオブジェクトインタラクションの相関をキャプチャする。 スタンドアロンのAR/VRアプリケーションとWebXRアプリケーションの両方で指紋認証を行うOVRWatcherの有効性を実証する。 OVRWatcherは、実際のユーザによって選択された没入型ショッピングアプリの製品や、仮想ミーティングに参加する参加者の数など、仮想オブジェクトも識別する。 OVRWatcherは、アプリのフィンガープリントで99%以上の精度、オブジェクトレベルの推論で98%以上の精度を実現している。

関連論文リスト

• FPI-Det: a face--phone Interaction Dataset for phone-use detection and understanding [20.181223336698675]
  モバイルデバイスは、安全監視、職場生産性評価、注意管理におけるビジョンシステムに新たな課題を生み出している。 FPI-Detは、職場、教育、交通、公共のシナリオにまたがって、顔と電話の同期アノテーション付き22,879枚の画像を含む。
  論文  参考訳（メタデータ） (2025-09-11T02:50:03Z)
• AUTOVR: Automated UI Exploration for Detecting Sensitive Data Flow Exposures in Virtual Reality Apps [31.735550965389482]
  Unity Engine上に構築されたVRアプリにおいて,動的UIとユーザイベントインタラクションのための自動フレームワークであるAUTOVRを紹介する。 従来のAndroidやGUIテスタとは異なり、AUTOVRはアプリの内部バイナリを分析して、隠れたイベントを明らかにし、生成的なイベント依存関係を解決する。 私たちの経験的評価は、AUTOVRの優れたパフォーマンスを示し、より機密性の高いデータ露出のオーダーを引き起こし、VRアプリのプライバシを大幅に向上させます。
  論文  参考訳（メタデータ） (2025-08-17T00:22:58Z)
• Predicting 3D Motion from 2D Video for Behavior-Based VR Biometrics [7.609875877250929]
  被験者の右側から取得した2Dボディジョイントを,外部の2Dカメラで撮影する手法を提案する。 本手法では,VRデバイスが追跡していない関節の2次元データを用いて,制御器の過去と将来の3次元トラックを予測する。
  論文  参考訳（メタデータ） (2025-02-05T02:19:23Z)
• GAZEploit: Remote Keystroke Inference Attack by Gaze Estimation from Avatar Views in VR/MR Devices [8.206832482042682]
  GAZEploitは、VRアプリケーションにおける仮想外観の共通利用を活用して、これらの視線追跡情報を活用するために設計された、新しいアイトラッキングベースの攻撃である。 30名以上の被験者を対象に,キーストローク推論の精度を80%以上達成した。 われわれの調査は、Apple Storeの上位15以上のアプリがGAZEploit攻撃に弱いと判断し、この最先端のVR/MRテキスト入力方法に対する緊急のセキュリティ対策の必要性を強調した。
  論文  参考訳（メタデータ） (2024-09-12T15:11:35Z)
• 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)
• SpikeMOT: Event-based Multi-Object Tracking with Sparse Motion Features [52.213656737672935]
  SpikeMOTはイベントベースのマルチオブジェクトトラッカーである。 SpikeMOTはスパイクニューラルネットワークを使用して、オブジェクトに関連するイベントストリームからスパーステンポラルな特徴を抽出する。
  論文  参考訳（メタデータ） (2023-09-29T05:13:43Z)
• 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)
• Propagate And Calibrate: Real-time Passive Non-line-of-sight Tracking [84.38335117043907]
  本研究では,リレー壁のみを観察することで,見えない部屋を歩いている人を追跡する純粋受動的手法を提案する。 本研究では,リレー壁の映像の非知覚的変化を発掘するため,時間的局所的な動きの伝達に欠かせない特徴として差分フレームを導入する。 提案手法を評価するため,最初の動的受動NLOS追跡データセットであるNLOS-Trackを構築し,公開する。
  論文  参考訳（メタデータ） (2023-03-21T12:18:57Z)
• A Wireless-Vision Dataset for Privacy Preserving Human Activity Recognition [53.41825941088989]
  アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。 以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
  論文  参考訳（メタデータ） (2022-05-24T10:49:11Z)
• Argus++: Robust Real-time Activity Detection for Unconstrained Video Streams with Overlapping Cube Proposals [85.76513755331318]
  Argus++は、制約のないビデオストリームを分析するための堅牢なリアルタイムアクティビティ検出システムである。 システム全体としては、スタンドアロンのコンシューマレベルのハードウェア上でのリアルタイム処理に最適化されている。
  論文  参考訳（メタデータ） (2022-01-14T03:35:22Z)

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。