論文の概要: Lensless Gaze Is Not Private by Default: Auditing Identity Leakage Across Disclosure Surfaces
- arxiv url: http://arxiv.org/abs/2609.09188v1
- Date: Mon, 31 Aug 2026 19:31:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.732352
- Title: Lensless Gaze Is Not Private by Default: Auditing Identity Leakage Across Disclosure Surfaces
- Title（参考訳）: 未公開のレンズレス・ゲイズ、機密情報の漏洩を調査中
- Abstract要約: レンズレス近眼センシングは、そのコード化された測定値が視覚的に理解できないため、プライバシーに優しいとしばしば言われる。
我々は36サブジェクトの既知のクローズドセット識別プロトコルの下で、シミュレートされたレンズレスガゼパイプラインを監査する。
レンズレスセンシングのプライバシー要求は、外見から推測されるのではなく、開示境界でテストされなければならない。
- 参考スコア（独自算出の注目度）: 11.843019952341207
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Lensless near-eye sensing is often described as privacy-friendly because its coded measurements are visually unintelligible. Yet visual unintelligibility reflects human interpretation, not what a learned adversary can recover. We therefore treat identity privacy as a systems property of disclosure surfaces: representations crossing sensing, storage, computation, and output boundaries. We audit a simulated lensless gaze pipeline under a 36-subject known-gallery closed-set identification protocol with a fixed, known PSF; privacy from an unknown or varying optical key is outside our scope. Reported accuracies are empirical attack success rates under matched linear and MLP probes and do not upper-bound stronger adversaries. Simulated lensless measurements yield 96.7% top-1 identification versus 97.7% for matched original eye crops, while an MAE embedding retains 94.3%. Compression alone offers little protection: 8-D PCA and a matched 8-D bottleneck retain 93.2% and 91.8%, whereas separately trained 8-D GSPL bottlenecks yield 77.5% mean recovery across three seeds. A released 128-way gaze token lowers single-frame recovery to 38.1%, while its residual and continuous gaze output expose 62.1% and 72.6%, respectively. Under a source-frame-disjoint tiled protocol, token summaries reach 39.9% at T=25, showing that repeated-output risk depends on representation and aggregation. These rates reflect all subject-correlated information in the evaluated dataset, including acquisition and behavioral cues, rather than isolating intrinsic ocular biometrics. Ordinary least squares residualization against a six-dimensional crop geometry and intensity summary still leaves lensless recovery at 95.1%. Our results show that privacy claims for lensless sensing must be tested at disclosure boundaries rather than inferred from appearance.
- Abstract（参考訳）: レンズレス近眼センシングは、そのコード化された測定値が視覚的に理解できないため、プライバシーに優しいとしばしば言われる。
しかし、視覚的不明瞭さは、学習した相手が回復できるものではなく、人間の解釈を反映している。
したがって、情報開示面のシステム特性としてアイデンティティのプライバシを扱い、センサ、ストレージ、計算、出力境界を横断する表現を行う。
我々は、36サブジェクトの既知のクローズドセット識別プロトコルと、固定された、既知のPSFを用いて、シミュレートされたレンズレスガゼパイプラインを監査する。
報告されたアキュラシーは、一致した線形およびMLPプローブによる経験的攻撃成功率であり、上向きの強い敵は存在しない。
模擬レンズレス測定では96.7%がトップ-1識別、97.7%がマッチした原眼作物であり、MAEの埋め込みは94.3%である。
8-D PCAとマッチした8-Dボトルネックは93.2%と91.8%を保持し、別々に訓練された8-D GSPLボトルネックは3つの種子の平均回復率77.5%である。
リリースされた128ウェイの視線トークンは1フレームのリカバリを38.1%に低下させ、残光と連続した視線出力はそれぞれ62.1%と72.6%を出力する。
ソースフレームの非結合型プロトコルでは、トークンサマリーはT=25で39.9%に達し、繰り返し出力されるリスクは表現と集約に依存する。
これらのレートは、本質的な生体認証を分離するのではなく、取得や行動の手がかりを含む、評価されたデータセット内のすべての被写体関連情報を反映する。
6次元の作物の形状と強度の要約に対する通常の最小2乗残差は、まだレンズレスリカバリを95.1%に残している。
以上の結果から,レンズレスセンシングのプライバシー主張は外見から推測されるのではなく,開示境界で検査する必要があることが示唆された。
関連論文リスト
- A Combined Feature-Based Framework for Disguise and Spoofing Detection in Face Recognition Systems [0.0]
顔認識システムは2つの異なる分離された障害モードに直面している。
本稿では,1つのフレームワーク内の2つの問題に対処する5つの機能抽出と分類パイプラインを提案し,比較する。
これらの手法は、FEI、Disguised Faces Database、NUAAデータベースから抽出された115の被験者で訓練された。
論文 参考訳（メタデータ） (2026-08-09T06:40:34Z) - Passing Coarse Marginal Checks Can Be Cheap: Persona Mixtures and Imprecise Treatment-Response Estimates in an LLM Persona Panel [0.0]
戦略ゲームにおける16個の軽量人格条件付きGPT-4.1構成の固定パネルについて検討した。
変化は急激なインデクシングであったが、そのシェアは不確実性の仮定に依存していた。
結果は、1つの固定されたモデル・プロンプトパネルに関係し、人間の置換性を確立しない。
論文 参考訳（メタデータ） (2026-08-02T04:10:11Z) - AI-generated Images Challenge Visual Trust in High-risk Scenarios [79.40239296310791]
SafeIMGは、GPT Image 2.0を用いて生成された12のパブリックおよび個人安全シナリオにまたがる安全指向のベンチマークである。
SafeIMGは、検出器が合成画像を認識するかどうかを評価するだけでなく、それらの決定が人間の識別された異常を反映しているかどうかも評価する。
我々は,特殊合成画像検出器と視覚言語モデル(VLM)を評価し,どちらも信頼性のある検出を提供していないことを発見した。
論文 参考訳（メタデータ） (2026-07-23T06:56:49Z) - Cross-modal linkage risk in clinical vision-language models [1.828619151598757]
視覚言語モデル(VLM)は、ペアの胸部X線写真と放射線学レポートに基づいて訓練され、インスタンスレベルの画像レポート対応を保存できる共有埋め込み空間を学習する。
これは、ラジオグラフとレポートが買収後に意図的に分離された設定でプライバシー上のリスクを生じさせる。
我々はこれをイメージ・ツー・レポート検索として定式化し、プライバシーシナリオとしてではなく、パブリック・ペアのコホートを使用してリスクを監査した。
論文 参考訳（メタデータ） (2026-06-01T14:01:46Z) - Beyond Localization: A Comprehensive Diagnosis of Perspective-Conditioned Spatial Reasoning in MLLMs from Omnidirectional Images [52.50752250573993]
MLLM(Multimodal Large Language Models)は、視覚的知覚が強いが、視点の変化による空間の推論には限界がある。
本研究では、この課題を全方位360度画像におけるパースペクティブ・コンディションド・スペース・推論(PCSR)として検討する。
我々は2,600全方位画像から84,373組の質問応答対の診断ベンチマークであるPCSR-Benchを紹介する。
論文 参考訳（メタデータ） (2026-05-12T17:11:17Z) - FaceLinkGen: Rethinking Identity Leakage in Privacy-Preserving Face Recognition with Identity Extraction [10.685858393562205]
元のピクセルを復元することなく、保護テンプレートから直接リンク/マッチングと顔の再生を行うID抽出攻撃であるFaceLinkGenを提案する。
その結果,PPFR評価に広く用いられている画素歪み測定値と,実際のプライバシとの間に構造的ギャップが明らかとなった。
論文 参考訳（メタデータ） (2026-02-02T23:41:14Z) - Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。
FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
論文 参考訳（メタデータ） (2025-05-07T17:58:25Z) - OpticalDR: A Deep Optical Imaging Model for Privacy-Protective
Depression Recognition [66.91236298878383]
抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。
我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。
正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
論文 参考訳（メタデータ） (2024-02-29T01:20:29Z) - TernaryVote: Differentially Private, Communication Efficient, and
Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。
提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
論文 参考訳（メタデータ） (2024-02-16T16:41:14Z) - One-Shot Learning for Periocular Recognition: Exploring the Effect of
Domain Adaptation and Data Bias on Deep Representations [59.17685450892182]
広範に使用されているCNNモデルにおける深部表現の挙動をワンショット近視認識のための極端データ不足下で検討する。
我々は、バイオメトリックデータセットで訓練されたネットワークを数百万の画像で活用し、最先端の結果を改善した。
SIFTのような従来のアルゴリズムは、限られたデータでCNNより優れている。
論文 参考訳（メタデータ） (2023-07-11T09:10:16Z)
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。