論文の概要: GAZEleak: Passcode Inference Against Eye-tracking XR Devices Through External Observation

• arxiv url: http://arxiv.org/abs/2609.35040v1
• Date: Mon, 28 Sep 2026 12:38:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 17:36:06.192466
• Title: GAZEleak: Passcode Inference Against Eye-tracking XR Devices Through External Observation
• Title（参考訳）: GAZEleak:外界観測による眼球追跡XRデバイスに対するパスコード推論
• Abstract要約: Apple Vision Proのような複合現実感ヘッドセットは、タッチスクリーンをGear-as-pointerインタラクションに置き換える。 ディスプレイはヘッドセットの中にあり、アイトラッカーはサードパーティ製ソフトウェアから切り離されているため、このような入力は傍観者には観測できないと広く考えられている。 GAZEleakは、頭の動きの外部ビデオから視線駆動の入力を回復するサイドチャネル攻撃である。
• 参考スコア（独自算出の注目度）: 7.936833920344778
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mixed-reality headsets such as Apple Vision Pro replace the touch screen with gaze-as-pointer interaction: the wearer looks at a target and confirms with an air pinch. Because the display is inside the headset and the eye tracker is walled off from third-party software, such input is widely assumed to be unobservable to bystanders---a built-in defense against the shoulder-surfing that plagues phones and laptops. We present GAZEleak, a side-channel attack that recovers gaze-driven input from external video of head motion alone, under a strictly local, physical-observer threat model: the adversary only films the wearer from across the room and installs no software on the device. The attack exploits the centrally coupled eye-head motor program: gaze shifts recruit small, target-dependent head reorientations that project into sub-degree pose changes recoverable from commodity video. GAZEleak implements a measurement-based, sparse-optical-flow inference pipeline for users' 6-digit device passcodes. On a preliminary front-view dataset from three author-subjects who were aware of the attack hypothesis, GAZEleak places the true code within the top ten guesses for 56% (10 of 18) of test codes under a cross-person protocol with no labeled victim data, and for every code of the most exposed subject. The performance is subject-dependent: no passcode from the least exposed subject reaches the top ten, although its median guessed passcode rank is 12,786 rather than 500,000 expected from an uninformative ordering. These results provide preliminary evidence that gaze-coupled head motion can expose passcode information under controlled conditions, while motivating broader evaluation across users, behaviors, and capture settings.
• Abstract（参考訳）: Apple Vision Proのような複合現実感のヘッドセットは、タッチ画面を視線とポインターのインタラクションに置き換える。 ディスプレイはヘッドセットの中にあり、アイトラッカーはサードパーティー製ソフトウェアから切り離されているため、このような入力は傍観者にとって観測不能であると広く考えられている。 我々は、厳密に局所的な物理オブザーバ脅威モデルの下で、頭の動きの外部ビデオから、視線駆動の入力を回復するサイドチャネル攻撃であるGAZEleakを紹介した。 視線シフトは小型で目標に依存した頭部の向きを変え、コモディティビデオから回復可能なサブ学位のポーズ変更に投射する。 GAZEleakは、ユーザの6桁のデバイスパスコードのための計測ベースのスパース光フロー推論パイプラインを実装している。 GAZEleakは、攻撃仮説に気付いていた3人の著者-オブジェクトによる事前のフロントビューデータセットで、真のコードをトップ10の推測に、56%(18件中10件)のテストコードに、ラベル付き被害者データのないクロスパーソンプロトコルと、最も露出した被験者のすべてのコードで配置する。 最も露出の低い被験者からのパスコードはトップ10に到達しないが、その中央値のパスコードランクは、非形式的な順序から予想される50,000ではなく、12,786である。 これらの結果は、視線結合型ヘッドモーションが、制御された条件下でパスコード情報を公開し、ユーザ、行動、キャプチャ設定にわたって幅広い評価を動機付けるという、予備的な証拠を提供する。

関連論文リスト

• LeVJEPA: Efficient & Scalable Video Pretraining without the Heuristics [50.45297537821907]
  我々はLeJEPAの崩壊のない目的の下で訓練された最初のビデオエンコーダLeVJEPAを紹介する。 単一のエンコーダは、クリップのグローバルおよびローカルビューよりも分散損失で訓練される。 LeVJEPAはV-JEPA 2とVT-S/B/Lの5.6から20.8倍の速さで一致または超える。
  論文  参考訳（メタデータ） (2026-08-27T17:26:24Z)
• Learning Unified Video and Image Representation for Video Face Forgery Detection [49.19035628283472]
  既存のビデオ顔偽造検出方法は、偽造ビデオのすべてのフレームが操作されていると仮定する。 ビデオ中の部分的偽造を検出するための微細な監督を行うために,追加の注釈付き画像を利用する新しいフレームワーク UVIF を提案する。 UVIFは、統一エンコーダとマルチタスク学習パラダイムを使用して、ビデオ顔偽造検出の強化のために、顔ビデオと画像を共同でモデル化する。
  論文  参考訳（メタデータ） (2026-08-13T10:25:59Z)
• CodecArena: Codec Quality Assessment via Visual Reinforcement Learning [70.59130074737446]
  我々は,ビデオ符号化品質評価のための最初のビジョン言語フレームワークであるCodecArenaを提案する。 CodecArenaは、参照とその再構成の間のソース条件の比較推論として評価をキャストする。 facet-anchored rewardは、人間の顔ごとのラベルではなく、自動的に引き起こされた顔の方向を弱いアンカーとして利用する。
  論文  参考訳（メタデータ） (2026-08-10T05:37:06Z)
• Empirical Evaluation of Multi-Modal Touch Detection in Over-the-Shoulder Video Surveillance [0.0]
  キーパッドインタフェース上のキーストロークイベントを物理的操作から再構築するフレームワークの評価を行った。 我々は、相対的なタッチ座標を基準画面レイアウトにマッピングし、タイピングシーケンスを再構築する。 我々は,システムの動作エンベロープを特徴付けるため,アブレーション,分解能劣化,ノイズ感度,近接しきい値調整を行う。
  論文  参考訳（メタデータ） (2026-06-28T17:05:56Z)
• BackdoorIDS: Zero-shot Backdoor Detection for Pretrained Vision Encoder [13.008131372229458]
  BackdoorIDSは、事前訓練された視覚エンコーダのためのゼロショット、推論時バックドアサンプル検出方法である。 さまざまな攻撃タイプ、データセット、モデルファミリーで、既存の防御を一貫して上回る。 BackdoorIDSは、CNN、ViT、CLIP、LLaVA-1.5など、幅広いエンコーダアーキテクチャと互換性がある。
  論文  参考訳（メタデータ） (2026-03-12T08:32:19Z)
• DirectSwap: Mask-Free Cross-Identity Training and Benchmarking for Expression-Consistent Video Head Swapping [58.2549561389375]
  ビデオヘッドスワップは、顔のアイデンティティ、頭の形、ヘアスタイルなど、ビデオ対象の頭部全体を参照画像に置き換えることを目的としている。 地対交換データがないため、従来の手法はビデオ内の同一人物のクロスフレームペアをトレーニングする。 我々は、画像U-Netをビデオ拡散モデルに拡張する、マスクのない直接ビデオヘッドスワッピングフレームワークであるDirectSwapを提案する。
  論文  参考訳（メタデータ） (2025-12-10T08:31:28Z)
• 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)
• Let the Noise Speak: Harnessing Noise for a Unified Defense Against Adversarial and Backdoor Attacks [31.291700348439175]
  機械学習に対する悪意のあるデータ操作攻撃は、安全クリティカルなアプリケーションにおける信頼性を損なう。 再建型侵入検知システムであるNoiSecを提案する。 NoiSecは、テスト入力からノイズを取り除き、ノイズから基礎となる特徴を抽出し、それらを活用して、システマティックな悪意のある操作を認識する。
  論文  参考訳（メタデータ） (2024-06-18T21:44:51Z)
• Turn Fake into Real: Adversarial Head Turn Attacks Against Deepfake Detection [58.1263969438364]
  本稿では,3次元対向顔視によるディープフェイク検出器に対する最初の試みとして,対向頭部旋回(AdvHeat)を提案する。 実験では、現実的なブラックボックスシナリオにおいて、様々な検出器のAdvHeatに対する脆弱性を検証する。 さらなる分析により、AdvHeatは、クロス検出器転送性と防御に対する堅牢性の両方に対する従来の攻撃よりも優れていることが示されている。
  論文  参考訳（メタデータ） (2023-09-03T07:01:34Z)
• Surveillance Face Presentation Attack Detection Challenge [68.06719263243806]
  Face Anti-Spoofing (FAS) は、様々な物理的攻撃から顔認識システムを保護するために不可欠である。 大規模サーベイランスハイフィデリティマスク(SuHiFiMask)を収集する SuHiFiMaskには、年齢層別101ドルのビデオが10,195ドル、メインストリームの監視カメラが7ドルだ。 監視シナリオにおける顔提示攻撃検出の課題を整理する。
  論文  参考訳（メタデータ） (2023-04-15T15:23:19Z)

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。