論文の概要: Secure Storage and Privacy-Preserving Scanpath Comparison via Garbled Circuits in Eye Tracking
- arxiv url: http://arxiv.org/abs/2604.19422v1
- Date: Tue, 21 Apr 2026 12:53:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-22 22:41:49.773031
- Title: Secure Storage and Privacy-Preserving Scanpath Comparison via Garbled Circuits in Eye Tracking
- Title（参考訳）: 視線追跡におけるガーブラード回路によるセキュアストレージとプライバシ保護Scanpathの比較
- Authors: Suleyman Ozdel, Amr Nader, Yasmeen Abdrabou, Enkelejda Kasneci,
- Abstract要約: 我々は,セキュアなストレージとプライバシ保護スキャンパスの比較を可能にするGC(garbled-circuit)ベースのアプローチを提案する。
1)データ所有者とプロセッサが入力を明かさずに類似度スコアを共同で計算する2者設定と、(2)データ所有者がオフラインのまま暗号化されたスキャンパスを保存・処理するサーバ支援設定である。
3つのアイトラッキングデータセットの実験は、忠実度、ランタイム、通信を評価し、MultiMatch、ScanMatch、SubsMatchのセキュアな結果を示す。
- 参考スコア（独自算出の注目度）: 15.206325771029604
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the growing use of eye tracking on VR and mobile platforms, gaze data is increasing. While scanpath comparison is important to gaze behavior analysis, existing methods lack privacy-preserving capabilities for real-world use. We present a garbled-circuit (GC)-based approach enabling secure storage and privacy-preserving scanpath comparison under the semi-honest model. It supports two configurations: (1) a two-party setting where the data owner and processor jointly compute similarity scores without revealing their inputs, and (2) a server-assisted setting where encrypted scanpaths are stored and processed while the data owner remains offline. All decryption and comparison operations are executed inside the GC. Experiments on three eye-tracking datasets evaluate fidelity, runtime, and communication, and show secure results for MultiMatch, ScanMatch, and SubsMatch closely match plaintext outcomes, with manageable runtime and communication overhead. Tests under various network conditions indicate that the design remains feasible for real-world privacy-preserving scanpath analysis and can be extended to other GC-based behavioral algorithms.
- Abstract（参考訳）: VRやモバイルプラットフォームでの視線追跡の利用の増加に伴い、視線データも増加している。
スキャンパス比較は行動分析を視認する上で重要であるが、既存の手法では現実世界での使用に対するプライバシー保護機能が欠如している。
半正直なモデルの下でセキュアなストレージとプライバシ保護のスキャンパス比較を可能にするGC(garbled-circuit)ベースのアプローチを提案する。
1)データ所有者とプロセッサが入力を明かさずに類似度スコアを共同で計算する2者設定と、(2)データ所有者がオフラインのまま暗号化されたスキャンパスを保存・処理するサーバ支援設定である。
すべての復号化と比較処理はGC内で実行される。
3つのアイトラッキングデータセットの実験では、フィリティ、ランタイム、通信を評価し、MultiMatch、ScanMatch、SubsMatchのセキュアな結果が、管理可能なランタイムと通信オーバーヘッドで、プレーンテキストの結果と密接に一致している。
さまざまなネットワーク条件下でのテストでは、現実のプライバシ保護スキャンパス分析では設計が引き続き可能であり、他のGCベースの行動アルゴリズムにも拡張可能であることが示されている。
関連論文リスト
- FileGram: Grounding Agent Personalization in File-System Behavioral Traces [79.65734230265521]
FileGramは、エージェントメモリとファイルシステムの挙動トレースのパーソナライズを基盤とする包括的なフレームワークである。
FileGramEngine、FileGramBench、FileGramOSで構成されている。
このフレームワークをオープンソース化することで、パーソナライズされたメモリ中心のファイルシステムエージェントに関する将来の研究を支援したいと考えています。
論文 参考訳（メタデータ） (2026-04-06T17:49:31Z) - Multi-Vector Index Compression in Any Modality [73.7330345057813]
後期の相互作用は、テキスト、画像、ビジュアルドキュメント、ビデオにおける情報検索の主要なパラダイムとして現れてきた。
インデックス圧縮には,シーケンスリサイズ,メモリトークン,階層プール,新しいアテンション誘導クラスタリング(AGC)の4つのアプローチを導入する。
AGCは、ドキュメントの最もセマンティックな領域をクラスタセントロイドとして識別し、トークンの集合を重み付けするために注意誘導機構を使用する。
論文 参考訳（メタデータ） (2026-02-24T18:57:33Z) - Zk-SNARK for String Match [0.0]
我々はzk-SNARKを利用したセキュアで効率的な文字列マッチングプラットフォームを提案する。
当社のソリューションでは,公開プラットフォームにプライベート文字列が現れるかどうかを,文字列自体を公開せずに検証することが可能です。
論文 参考訳（メタデータ） (2025-05-20T06:01:48Z) - Privacy-preserving Scanpath Comparison for Pervasive Eye Tracking [9.25213374311913]
本稿では、広く使われているニードルマン・ウォンシュアルゴリズムに対するプライバシー保護型スキャンパス比較プロトコルを提案する。
当社のプロトコルは、非公開情報が明らかにされていないことを保証します。
3つの公開データセット上で,プロトコルの効率性と適用性を示す。
論文 参考訳（メタデータ） (2024-04-09T11:07:57Z) - MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake
Detection [80.83725644958633]
現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。
MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2021-09-15T14:11:53Z) - Specificity-preserving RGB-D Saliency Detection [103.3722116992476]
本稿では,RGB-Dサリエンシ検出のための特異性保存ネットワーク(SP-Net)を提案する。
2つのモダリティ特化ネットワークと共有学習ネットワークを採用し、個別および共有唾液マップを生成する。
6つのベンチマークデータセットの実験では、SP-Netは他の最先端の手法よりも優れています。
論文 参考訳（メタデータ） (2021-08-18T14:14:22Z) - Moving Towards Centers: Re-ranking with Attention and Memory for
Re-identification [18.539658212171062]
リグレードは、コンテキスト情報を利用して、人物または車両の再識別(re-ID)の初期ランキングリストを最適化する
本論文では,プローブと近傍試料の相関を予測するための再ランクネットワークを提案する。
論文 参考訳（メタデータ） (2021-05-04T12:14:30Z) - LiDAR-based Recurrent 3D Semantic Segmentation with Temporal Memory
Alignment [0.0]
本稿では,単一範囲の画像フレームを入力とする再帰セグメンテーションアーキテクチャ(RNN)を提案する。
私たちがテンポラルメモリアライメントと呼ぶアライメント戦略は、エゴモーションを使用して、フィーチャースペース内の連続フレーム間のメモリをテンポラリアライメントします。
2つの大規模データセットに対する提案手法の利点を実証し,いくつかの最先端手法と比較する。
論文 参考訳（メタデータ） (2021-03-03T09:01:45Z) - A Systematic Comparison of Encrypted Machine Learning Solutions for
Image Classification [11.6906656396618]
この研究は、プライベート画像分類の文脈におけるセキュアなコンピューティング技術に基づく既存のフレームワークの包括的なレビューを提供する。
データサイエンススタックの中心部でセキュアなコンピューティングを実装する4つの最先端ライブラリを用いて実験を行った。
論文 参考訳（メタデータ） (2020-11-10T18:33:31Z) - Learning Spatio-Appearance Memory Network for High-Performance Visual
Tracking [79.80401607146987]
既存のオブジェクトトラッキングは通常、フレーム間の視覚的ターゲットにマッチするバウンディングボックスベースのテンプレートを学習する。
本稿では,局所時間メモリネットワークを備え,正確な時空間対応を学習するセグメンテーションに基づくトラッキングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-09-21T08:12:02Z) - RANSAC-Flow: generic two-stage image alignment [53.11926395028508]
単純な教師なしのアプローチは、様々なタスクにおいて驚くほどうまく機能することを示す。
その単純さにもかかわらず、我々の手法は様々なタスクやデータセットで競合する結果を示す。
論文 参考訳（メタデータ） (2020-04-03T12:37:58Z)
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。