一种保护隐私的眼动数据流处理方法
人机交互
2021-03-23 v2
摘要
眼动追踪技术正日益集成到混合现实设备中。尽管关键应用得以实现，但存在显著侵犯用户隐私预期的可能。我们表明，即使在虚拟现实中的自然观看条件下，也存在可观的唯一用户识别风险。例如，这种识别可使某应用无需用户同意即可将其个人 ID 与工作 ID 关联。为缓解此类风险，我们提出了一种框架，通过应用程序编程接口的设计以及软件实现的隐私机制来进行把关。我们的结果表明，这些机制可将识别率从高达 85% 降至低至 30%。引入这些机制的影响在于，用于注视预测的注视位置误差小于 1.5。因此，注视数据流可在保持隐私的同时仍支持注视预测，例如在注视点渲染期间。我们的方法是首个在混合现实用例中支持眼动数据流隐私设计（privacy-by-design）的方法。
引用
@article{arxiv.2102.01770,
title = {A privacy-preserving approach to streaming eye-tracking data},
author = {Brendan David-John and Diane Hosfelt and Kevin Butler and Eakta Jain},
journal= {arXiv preprint arXiv:2102.01770},
year = {2021}
}
备注
12 pages, 4 figures, to appear in IEEE TVCG Special Issue on IEEE VR 2021