面向普适眼动追踪的隐私保护扫描路径比较

随着眼动追踪在基于屏幕的设备与头戴式显示器中变得普及，眼动追踪数据的隐私问题日益突出。尽管当前隐私保护眼动追踪的主流方法主要涉及差分隐私和经验数据操作，但以往研究并未关注扫描路径的方法。我们针对广泛使用的Needleman-Wunsch算法（编辑距离算法的泛化版本）提出了一种新颖的隐私保护扫描路径比较协议。特别地，通过引入Paillier同态加密方案，我们的协议确保不泄露任何隐私信息。此外，我们引入了一种随机处理策略和多层掩码方法，以混淆数值同时保持加密编辑操作成本的原始顺序。这最小化了通信开销，在Needleman-Wunsch过程的每次迭代中仅需一轮通信。我们在三个公开数据集上展示了协议的高效性和适用性，并进行了全面的计算性能分析，同时公开了源代码。