論文の概要: A-GE: Privacy-Preserving Age Assurance via Fine-Grained Motion

• arxiv url: http://arxiv.org/abs/2610.33206v1
• Date: Fri, 23 Oct 2026 18:52:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.272481
• Title: A-GE: Privacy-Preserving Age Assurance via Fine-Grained Motion
• Title（参考訳）: A-GE:ファイングラインドモーションによるプライバシー保護年齢保証
• Abstract要約: 我々は,慣性測定ユニット(IMU)が捉えた微細な動きから年齢関連証拠を導出するプライバシー保護型年齢保証システムであるtextitA-GE(Age-Grounded Evidence)を提示する。 A-GEは、通常のデバイス間相互作用において、基礎となる神経筋および生理的過程を反映する微妙な運動力学を利用する。 識別情報も政府の識別も必要とせず、約60HzのWebベースセンシングを含む、利用可能なセンササンプリングレートで動作している。
• 参考スコア（独自算出の注目度）: 0.3568466510804538
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Age assurance faces a fundamental privacy dilemma: meaningful assurance typically requires revealing identity or other sensitive information, whereas privacy-preserving alternatives often provide little assurance. Existing approaches either disclose sensitive information directly or shift the disclosure and trust requirement to an identity provider, while self-declared age provides little meaningful assurance. Thus, a fundamental gap remains between establishing an age property and revealing information beyond what is necessary to establish that property. We present \textit{A-GE} (Age-Grounded Evidence), a privacy-preserving age assurance system that derives age-related evidence from fine-grained motion captured by commodity inertial measurement units (IMUs). A-GE exploits subtle motion dynamics that we hypothesize reflect underlying neuromuscular and physiological processes during ordinary device interaction. It requires neither identity information nor government identification and operates across available sensor sampling rates, including the approximately 60~Hz limit of web-based sensing, with configurable minimum-age thresholds ranging from 14 to 21 years. We evaluate A-GE on more than 600 participants, with separate participant-disjoint cohorts for model development and final evaluation. At a 16-year minimum-age threshold, A-GE achieves up to 93.8\% accuracy with a comparable F1 score across the evaluated configurations. We further demonstrate client-side deployment on Android, iOS, and the web, and examine unintended attribute inference and residual privacy risks, characterizing both the privacy benefits and limitations of deriving age evidence from commodity motion.
• Abstract（参考訳）: 年齢保証は基本的なプライバシーのジレンマに直面している: 有意義な保証は通常、アイデンティティやその他の機密情報を明らかにする必要がある。 既存のアプローチは機密情報を直接開示するか、情報開示と信頼要件をIDプロバイダに移行するかのいずれかであり、自己宣言年齢は意味のある保証をほとんど提供しない。 このように、年齢特性の確立と、その資産の確立に必要な情報以外の情報の開示との間には、根本的なギャップが残っている。 我々は,商品慣性測定装置 (IMU) が捉えた細粒度運動から年齢関連証拠を導出する,プライバシー保護年齢保証システムであるtextit{A-GE} (Age-Grounded Evidence) を提示する。 A-GEは、通常のデバイス間相互作用において、基礎となる神経筋および生理的過程を反映する微妙な運動力学を利用する。 識別情報も政府識別も必要とせず、Webベースセンシングの約60〜Hzの制限を含む、利用可能なセンササンプリングレートにわたって動作し、設定可能な最低年齢閾値は14年から21年である。 我々は600名以上の被験者を対象にA-GEの評価を行い, モデル開発と最終評価のための個別の参加者分離コホートを作成した。 16年間の最低年齢の閾値で、A-GEは最大93.8 %の精度で評価された構成でF1スコアに匹敵する。 さらに,Android,iOS,Web上でのクライアント側のデプロイを実証し,意図しない属性推論と残余なプライバシリスクを検証し,プライバシのメリットと,商品の動作から年齢証拠を抽出する制限の両方を特徴付ける。

関連論文リスト

• X-rated Compliance Theater: An Empirical Evaluation of European Age Verification Systems in Adult Websites [0.8717253904965374]
  成人Webサイトが展開する年齢検証メカニズムの探索的セキュリティ評価を初めて実施する。 我々は、現在のデプロイメントが、機密性の高いID関連データに依存するプライバシーリスクと相反するセキュリティ保証を提供するかどうかを検討する。 年齢検証の展開によって生じるセキュリティとプライバシのリスクを軽減するための具体的なガイドラインと設計指針を導出する。
  論文  参考訳（メタデータ） (2026-06-07T15:19:19Z)
• Privacy on the Fly: A Predictive Adversarial Transformation Network for Mobile Sensor Data [32.36355095752335]
  本稿では,歴史的信号を利用したリアルタイムなプライバシ保護フレームワークを提案し,対人的摂動を積極的に生成する。 2つのデータセットの実験では、PATNはプライバシ推論モデルのパフォーマンスを著しく低下させる。
  論文  参考訳（メタデータ） (2025-11-10T15:57:17Z)
• On the MIA Vulnerability Gap Between Private GANs and Diffusion Models [51.53790101362898]
  GAN(Generative Adversarial Networks)と拡散モデルが高品質な画像合成のための主要なアプローチとして登場している。 差分自己生成モデルが直面するプライバシーリスクの統一的および実証的分析について述べる。
  論文  参考訳（メタデータ） (2025-09-03T14:18:22Z)
• A False Sense of Privacy: Evaluating Textual Data Sanitization Beyond Surface-level Privacy Leakage [77.83757117924995]
  我々は、データリリース時の個人のプライバシーリスクを定量化するために、再識別攻撃を評価する新しいフレームワークを提案する。 本手法は, 衛生データから年齢や物質使用履歴などのセンシティブな属性を推測するために, 一見無害な補助情報を利用できることを示す。
  論文  参考訳（メタデータ） (2025-04-28T01:16:27Z)
• GaitGuard: Towards Private Gait in Mixed Reality [1.7277693508964933]
  GaitGuardは、ビデオベースの歩行プロファイリングの脅威に対して、歩行プライバシーを保護するために設計された、新しいリアルタイムシステムである。 GitGuardはマルチスレッドフレームワークで動作し、効率的なストリームキャプチャ、ボディ検出、トラッキングのための専用のモジュールを組み込んでいる。
  論文  参考訳（メタデータ） (2023-12-07T17:42:04Z)
• How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
  DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。 プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
  論文  参考訳（メタデータ） (2022-11-18T11:39:03Z)
• Robustness Threats of Differential Privacy [70.818129585404]
  我々は、いくつかの設定で差分プライバシーをトレーニングしたネットワークが、非プライベートバージョンに比べてさらに脆弱であることを実験的に実証した。 本研究では,勾配クリッピングや雑音付加などのニューラルネットワークトレーニングの主成分が,モデルの堅牢性に与える影響について検討する。
  論文  参考訳（メタデータ） (2020-12-14T18:59:24Z)
• Differentially Private and Fair Deep Learning: A Lagrangian Dual Approach [54.32266555843765]
  本稿では,個人の機密情報のプライバシを保護するとともに,非差別的予測器の学習を可能にするモデルについて検討する。 この方法は、微分プライバシーの概念と、公正性制約を満たすニューラルネットワークの設計にラグランジアン双対性(Lagrangian duality)を用いることに依存している。
  論文  参考訳（メタデータ） (2020-09-26T10:50:33Z)

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。