在沉浸式交互式虚拟现实中保存隐私的凝视数据流:稳健性和用户体验
IEEE transactions on visualization and computer graphics
|March 8, 2024
概括
虚拟现实 (VR) 眼睛跟踪数据可以识别用户. 新方法将重新识别风险降低至14%,同时保持VR系统中的用户体验和任务性能.
科学领域:
- 计算机科学 计算机科学
- 人与计算机的交互
- 网络安全 网络安全
背景情况:
- 眼睛跟踪越来越多地被整合到虚拟现实 (VR) 系统中.
- 目前对眼睛跟踪数据的隐私研究仅限于以数据为中心的实用指标和黑子威胁模型.
- 重新识别攻击对虚拟现实系统的用户构成重大隐私风险.
研究的目的:
- 提出和评估一种方法来评估互动VR应用程序中的实时隐私机制.
- 纳入以用户为中心的实用指标,包括主观用户体验和任务性能.
- 分析隐私机制对各种威胁模型的有效性.
主要方法:
- 在VR中开发一种用于评估实时隐私机制的新方法.
- 将主观用户体验和任务绩效指标纳入评估中.
- 评估隐私机制与黑子,黑子示例和白子威胁场景的评估.
主要成果:
- 使用评估的隐私机制,重新识别的准确性降低到14%.
- 保持了高的可用性得分和合理的任务性能.
- 针对不同威胁模型的隐私机制的有效性差异被确定.
结论:
- 拟议的方法允许对VR眼睛跟踪中的重新识别风险进行端到端评估.
- 有效的隐私机制可以显著减轻重新识别风险,同时保持用户体验.
- 这项工作通过提供实用的评估工具和见解,推动了VR隐私领域的发展.


