論文の概要: SoK: Motion Data Privacy in Extended Reality
- arxiv url: http://arxiv.org/abs/2609.00711v1
- Date: Tue, 01 Sep 2026 04:40:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:36.324058
- Title: SoK: Motion Data Privacy in Extended Reality
- Title（参考訳）: SoK: 拡張現実におけるモーションデータプライバシ
- Authors: Azim Ibragimov, Alina Vasina, Uliana Polshcha, Eric D. Ragan,
- Abstract要約: 拡張現実感(XR)は没入的でインタラクティブな3D体験を提供する。
これらの体験を可能にするためには、デバイスはユーザーの動きを追跡する必要がある。
モーショントラッキングは、人の動作パターンを記録して以来、プライバシー上の懸念を高めている。
- 参考スコア（独自算出の注目度）: 2.896123520517198
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Extended Reality (XR) provides immersive, interactive 3D experiences. To enable these experiences, the devices must track user motion so the system can respond to actions such as grabbing, looking at, or moving an object. However, motion tracking has raised privacy concerns since it records a person's motion patterns. These motion patterns have been studied extensively across various fields (i.e., gait identification and profiling) and have been shown to reveal sensitive information. With the adoption of XR, these patterns became easier to record and obtain than ever. This creates a fundamental privacy tension: motion tracking enables core XR functionality yet requires users to compromise their privacy. Prior systematization-of-knowledge (SoK) studies on XR privacy have examined the field broadly, with motion-related research distributed across several privacy domains rather than treated as a distinct area of study. However, XR motion privacy has gained significant momentum since the prior SoK, with the literature nearly quadrupling in size and thereby warranting a dedicated systematization of this topic. This SoK examines 134 relevant papers on privacy concerns in motion patterns recorded by XR headsets, including how adversaries can obtain users' motion patterns, the inferences they can draw from them, and methods for protecting users. Based on this review, we synthesize a taxonomy of motion modalities, representations, and inference risks; develop an XR motion threat model; systematize the attack and defense approaches in the XR motion literature; identify gaps in the literature; and provide guidelines for future studies evaluating motion privacy mechanisms. Together, our SoK clarifies the state of XR motion privacy and provides recommendations for future evaluations.
- Abstract（参考訳）: 拡張現実感(XR)は没入的でインタラクティブな3D体験を提供する。
これらの体験を可能にするためには、デバイスはユーザーの動きを追跡する必要がある。
しかし、モーショントラッキングは、人の動きパターンを記録しているため、プライバシー上の懸念を提起している。
これらの動きパターンは様々な分野(歩行識別とプロファイリング)で広く研究されており、センシティブな情報を明らかにすることが示されている。
XRの採用により、これらのパターンは記録や取得がこれまで以上に容易になった。
モーショントラッキングによって、中核となるXR機能を実現するが、ユーザーはプライバシーを侵害する必要がある。
XRプライバシに関する事前の体系化知識(SoK)研究は、異なる研究領域として扱われるのではなく、複数のプライバシドメインにまたがる動きに関する研究によって、この分野を広く調査してきた。
しかしながら、XRモーションプライバシは、以前のSoK以来大きな勢いを増しており、文献の規模はほぼ4倍になり、このトピックを専用の体系化することを保証している。
このSoKは、XRヘッドセットが記録したモーションパターンのプライバシーに関する134の関連論文を調査する。
本稿では,動作のモダリティ,表現,推論リスクの分類,XR運動脅威モデルの開発,XR運動文学における攻撃・防御アプローチの体系化,文献のギャップの特定,動作のプライバシメカニズムを評価するための今後の研究ガイドラインについて述べる。
我々のSoKは、XRモーションプライバシーの状態を明確化し、将来の評価のためのレコメンデーションを提供します。
関連論文リスト
- When VR Meets BCI: (Un)Observable Brainwave-aware Privacy Reconstruction in the Metaverse via Unrestricted Inbuilt Motion Sensors [11.774846333195557]
我々はBraVeSpyが52.0%-67.2%の精度で脳内の知覚的画像を明らかにすることを示した。
BraVeSpyは、観測可能な振る舞いの粗い粒度の推論に制限された現在のアプローチよりも優れています。
論文 参考訳（メタデータ） (2026-06-09T07:28:16Z) - PrivateXR: Defending Privacy Attacks in Extended Reality Through Explainable AI-Guided Differential Privacy [0.0]
本稿では,説明可能なAI(XAI)とDP対応のプライバシ保護機構を組み合わせて,プライバシ攻撃を防御する新しいフレームワークを提案する。
具体的には、ポストホックな説明を活用してAI XRモデルの最も影響力のある特徴を特定し、推論中にDPを選択的に適用する。
提案手法は,サイバーシック作業においてMIAとRDAの成功率を最大43%,RDAが39%削減することを示した。
論文 参考訳（メタデータ） (2025-12-18T18:23:06Z) - No Identity, no problem: Motion through detection for people tracking [48.708733485434394]
本稿では,検出のみの監視を行いながら,動きの手がかりを利用する手法を提案する。
提案アルゴリズムは,2つの画像間の2次元運動推定とともに,2つの異なるタイミングで熱マップを検出する。
提案手法は,MOT17およびWILDTRACKデータセット上でのマルチターゲット・シングルビュー・マルチターゲット・トラッキングに対して,最先端の結果を提供する。
論文 参考訳（メタデータ） (2024-11-25T15:13:17Z) - 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) - MotionTrack: Learning Motion Predictor for Multiple Object Tracking [68.68339102749358]
本研究では,学習可能なモーション予測器を中心に,新しいモーショントラッカーであるMotionTrackを紹介する。
実験結果から、MotionTrackはDancetrackやSportsMOTといったデータセット上での最先端のパフォーマンスを示す。
論文 参考訳（メタデータ） (2023-06-05T04:24:11Z) - 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) - Privacy concerns from variances in spatial navigability in VR [0.0]
現在のバーチャルリアリティ(VR)入力デバイスは、仮想環境をナビゲートし、ユーザの動きや特定の行動習慣に関する没入的でパーソナライズされたデータを記録することができる。
本稿では,VRにおける既存のプライバシー問題に対する対処手段として,機械学習による学習アルゴリズムについて検討する。
論文 参考訳（メタデータ） (2023-02-06T01:48:59Z) - PREF: Predictability Regularized Neural Motion Fields [68.60019434498703]
ダイナミックなシーンで3Dの動きを知ることは、多くの視覚応用にとって不可欠である。
多視点設定における全ての点の運動を推定するために神経運動場を利用する。
予測可能な動きを正規化することを提案する。
論文 参考訳（メタデータ） (2022-09-21T22:32:37Z) - Privacy-Preserving Action Recognition via Motion Difference Quantization [22.31448780032675]
本稿では,BDQと呼ばれるシンプルかつ堅牢なプライバシ保護エンコーダを提案する。
ブラー、差分、量子化の3つのモジュールで構成されている。
3つのベンチマークデータセットの実験は、提案したエンコーダの設計が最先端のトレードオフを達成可能であることを示している。
論文 参考訳（メタデータ） (2022-08-04T05:03:27Z) - Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。
歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。
2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文 参考訳（メタデータ） (2021-01-07T06:08:21Z)
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。