用于眼动数据隐私保护及操纵的强化学习
机器学习
2020-10-05 v2 人工智能
计算机视觉与模式识别
摘要
本文提出一种基于强化学习的眼动数据操纵方法。其基于两个对抗智能体，其中一个试图正确分类数据，第二个智能体在数据中寻找模式并加以操纵以隐藏特定信息。我们表明该方法可成功用于保护被试隐私。为此，我们迭代评估该方法以展示基于强化学习的方法的行为。此外，我们评估了眼动数据的时间与空间信息对特定分类目标的重要性。在评估的最后部分，我们将该流程应用于更多公开数据集，而无需重新训练自编码器或数据操纵器。结果表明所学操纵具有泛化性，亦可应用于未见过的数据。
引用
@article{arxiv.2002.06806,
title = {Reinforcement learning for the privacy preservation and manipulation of eye tracking data},
author = {Wolfgang Fuhl and Efe Bozkir and Enkelejda Kasneci},
journal= {arXiv preprint arXiv:2002.06806},
year = {2020}
}