数据退化对运动重识别的影响

虚拟现实和增强现实设备的使用正在不断增加，但这些充满传感器的设备对隐私构成风险。能够跟踪用户运动并推断用户身份或特征的能力会导致隐私风险，这一问题已引起广泛关注。然而，现有的基于深度网络的防御方法需要大量训练数据，并且尚未显示其在特定应用之外的泛化能力。在本工作中，我们研究了信号退化对可识别性的影响，具体通过添加噪声、降低帧率、降低精度和降低数据维度来实现。我们的实验表明，针对这些退化，最先进的识别攻击仍能实现近乎完美的准确率。这一结果表明了对这种运动数据进行匿名化的困难，并为现有数据和计算密集型深度网络方法提供了一些依据。