基于噪声注入自编码器的凝视数据隐私增强

我们提出了一种针对凝视信号的隐私增强机制，使用包含潜在噪声的自编码器防止用户在未获授权的情况下跨游戏会话进行重新识别，同时保留数据对善意任务的可用性。我们评估了隐私-效用权衡在生物识别识别和凝视预测任务中的表现，显示该方法在保持最小效用损失的同时显著降低了生物识别可识别性。与本领域以前的方法不同，我们的框架保留了适用于下游任务的生理上合理的凝视模式，从而实现了有利的隐私-效用权衡。本工作推动了基于凝视的系统隐私，提供一种可用于保护敏感凝视数据的可用且有效的机制。