論文の概要: VR ProfiLens: User Profiling Risks in Consumer Virtual Reality Apps

• arxiv url: http://arxiv.org/abs/2601.12563v1
• Date: Sun, 18 Jan 2026 20:01:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.685142
• Title: VR ProfiLens: User Profiling Risks in Consumer Virtual Reality Apps
• Title（参考訳）: VR ProfiLens:コンシューマー向けバーチャルリアリティアプリのユーザープロファイリングリスク
• Authors: Ismat Jarin, Olivia Figueira, Yu Duan, Tu Le, Athina Markopoulou,
• Abstract要約: 我々は,VRセンサデータに基づくユーザプロファイリングと,コンシューマVRアプリ間のプライバシーリスクを調査するために,VR ProfiLensを提案する。 以上の結果から,センサデータから機密情報を適度に高いリスク(最大90%のF1スコア)で推定できることが示唆された。 われわれの調査結果は、プライバシーの喪失、追跡、ターゲット広告、安全上の脅威など、ユーザーのリスクを浮き彫りにしている。
• 参考スコア（独自算出の注目度）: 3.7819085647027646
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Virtual reality (VR) platforms and apps collect user sensor data, including motion, facial, eye, and hand data, in abstracted form. These data may expose users to unique privacy risks without their knowledge or meaningful awareness, yet the extent of these risks remains understudied. To address this gap, we propose VR ProfiLens, a framework to study user profiling based on VR sensor data and the resulting privacy risks across consumer VR apps. To systematically study this problem, we first develop a taxonomy rooted in the CCPA definition of personal information and expand it by sensor, app, and threat contexts to identify user attributes at risk. Then, we conduct a user study in which we collect VR sensor data from four sensor groups from real users interacting with 10 popular consumer VR apps, followed by a survey. We design and apply an analysis pipeline to demonstrate the feasibility of inferring user attributes using these data. Our results show that sensitive personal information can be inferred with moderately high to high risk (up to 90% F1 score) from abstracted sensor data. Through feature analysis, we further identify correlations among app groups and sensor groups in inferring user attributes. Our findings highlight risks to users, including privacy loss, tracking, targeted advertising, and safety threats. Finally, we discuss design implications and regulatory recommendations to enhance transparency and better protect users' privacy in VR.
• Abstract（参考訳）: 仮想現実(VR)プラットフォームとアプリは、モーション、顔、目、手などのユーザーセンサーデータを抽象化形式で収集する。 これらのデータは、ユーザーを知識や意味のある認識なしに独自のプライバシーリスクに晒す可能性があるが、これらのリスクの程度はまだ調査されていない。 このギャップに対処するため,VRセンサデータに基づくユーザプロファイリングと,コンシューマVRアプリ間で生じるプライバシーリスクを調査するフレームワークであるVR ProfiLensを提案する。 この問題を体系的に研究するために、まず、CCPAの個人情報定義に根ざした分類法を開発し、それをセンサー、アプリ、脅威コンテキストによって拡張し、リスクのあるユーザ属性を識別する。 次に,10の消費者VRアプリと対話する実際のユーザから,4つのセンサグループからVRセンサデータを収集するユーザスタディを行い,それに続いて調査を行った。 これらのデータを用いてユーザ属性を推測する可能性を示すために,分析パイプラインを設計し,適用する。 以上の結果から,センサデータから機密情報を適度に高いリスク(最大90%のF1スコア)で推定できることが示唆された。 特徴分析により,ユーザ属性の推測において,アプリグループとセンサグループ間の相関関係をさらに同定する。 われわれの調査結果は、プライバシーの喪失、追跡、ターゲット広告、安全上の脅威など、ユーザーのリスクを浮き彫りにしている。 最後に、透明性を高め、VRにおけるユーザのプライバシ保護を改善するために、設計上の意味と規制の勧告について議論する。

関連論文リスト

• I Know What You Did Last Summer: Identifying VR User Activity Through VR Network Traffic [2.0257616108612373]
  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。 以上の結果から,MLモデルを用いて,92.4%の精度で使用されているVRアプリケーションと,91%の精度で実施されている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。
  論文  参考訳（メタデータ） (2025-01-25T19:58:29Z)
• How Unique is Whose Web Browser? The role of demographics in browser fingerprinting among US users [50.699390248359265]
  ブラウザのフィンガープリントは、クッキーを使わずとも、Web上のユーザを識別し、追跡するために利用できる。 この技術と結果として生じるプライバシーリスクは10年以上にわたって研究されてきた。 我々は、さらなる研究を可能にするファースト・オブ・ザ・キンド・データセットを提供する。
  論文  参考訳（メタデータ） (2024-10-09T14:51:58Z)
• 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)
• 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)
• 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)
• 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)

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。