研究证实XR眼动与运动数据协同可致用户身份泄露
眼动追踪数据的保护，运动追踪数据的保护，两者缺一不可
（映维网Nweon 2025年05月20日）虚拟现实传感器捕获大量用户数据，包括身体运动和眼动追踪，而这涉及个人身份信息。尽管存在隐私增强技术，但不完整的隐私保护可能会导致隐私泄露，并可能允许攻击者利用未受保护的数据识别用户。
在一项研究中，德克萨斯州立大学团队探索了身体运动数据在多大程度上破坏了眼动追踪数据的隐私保护，反之亦然。他们指出，所述发现突出了眼动追踪和眼动追踪数据的隐私考虑，并强调了全面解决隐私保护的必要性。
VR系统从各种传感器收集大量数据，包括追踪用户身体位置和运动的传感器。惯性测量单元等传感器可以随时间追踪用户的运动，从而实现VR的诸多核心功能。然而，数据的收集和利用可能会无意中暴露出更多关于用户的信息，而不是给定应用程序所需的信息。
例如，尽管运动追踪数据有助于提供身临其境的用户体验，但它同时可以传达身体特征和行为模式，并可用于推断有关用户的其他信息。滥用动作追踪数据以暴露过多用户信息的做法可能会引发用户隐私问题，因为用户可能会在不知情的情况下被分析或重新识别。
除了在虚拟空间中追踪用户身体的传感器外，眼动追踪技术正在成为VR平台上越来越普遍的功能。眼动追踪在VR中实现了多个功能，包括通过注视点渲染节省电力，促进纠正导致VR晕动症的视觉扭曲，以及在社交互动中提高虚拟角色的感知真实感等等。
尽管为VR平台提供了上述功能，眼动追踪同时为VR平台的用户隐私带来了额外的担忧。就像VR中的运动数据一样，眼动追踪数据同样能捕获用户的敏感信息，并用来推断个人属性。然而，VR中的运动数据可能会传达用户的身体特征和动觉行为的信息，而眼动追踪可以更直接地揭示用户的认知行为特征，如他们的个性或兴趣。
如果眼动追踪数据被滥用来揭示用户的敏感特征，相关见解可以补充已经可以从VR运动数据中推断出的丰富用户信息。
尽管有很多研究致力于分别调查眼动追踪和VR运动数据的隐私影响，但相对较少的研究涉及当相关数据流同时可用时可能出现的隐私影响。所述数据类型的组合可能会以尚未完全了解的方式增加侵犯隐私的可能性。
为了解决这一差距，团队探讨了数据流的同时可用性如何引入隐私漏洞，特别是当现有的隐私增强技术无法考虑跨多个传感器的用户识别的综合风险时。
利用眼动追踪、VR头显和VR控制器运动数据的公开数据集，研究人员证明了VR运动数据和眼动追踪信号可用于识别VR平台中的用户，并研究了将隐私增强机制应用于所述数据可以在多大程度上降低用户识别的风险。
然后，他们模拟了一种对抗性隐私攻击，其中来自VR运动传感器的数据被用来规避应用于眼动追踪数据的隐私保护，反之亦然。研究结果表明，如果没有针对所有可用数据源的全面隐私保护措施，这些隐私机制可以被绕过，从而通过未受保护的数据流实现用户身份识别。
所述发现强调了全面的隐私解决方案的必要性，并有助于更深入地了解VR运动数据和眼动追踪数据的隐私考虑是如何相互作用，同时支持开发适合在多传感器VR环境中使用的全面隐私解决方案。
当然，尽管团队证明结合数据流可以提高生物识别性能，但尚不清楚它是否能令模型以更高的信心水平解决生物识别。将生物识别模型的置信度降低到其决策阈值以下可能是防止未经授权的用户识别的另一种有希望的途径。
为了进一步研究数据流是否包含生物识别的补充信息，未来的研究应该报告可信度以及模型的生物识别性能。在这个方向上的未来研究可以通过使用统计的、基于特征的生物识别模型或利用可解释的人工智能技术来提高结果的可解释性，为基于深度学习的生物识别模型提供更多的见解。
同时，由于包含注视数据和VR运动数据的数据集的可用性有限，本研究仅报告了相对少数受试者的生物识别性能。拥有更多用户的数据集可以对VR中的用户身份进行更稳健的调查。所以，可以通过利用更大的数据集来扩展。
值得一提的是，从结果中可以清楚地看出，观察到的隐私泄露直接影响了用户身份验证率，但这种关系的观察程度可能会因所采用的身份验证模型、所应用的隐私机制的性质和参数以及数据集等方面而有很大差异。在这个方向的未来研究可能涉及开发和验证稳健的、可泛化的方法，以正式估计用户因隐私泄露而面临的风险数量，从而能够开发适用于更广泛的数据集和传感器类型的保护用户隐私的直接“最佳实践”。
总的来说，当隐私保护仅应用于平台上可用的数据流的一个子集时，当使用未受保护的传感器数据来规避它们时，用户依然容易受到识别攻击。团队证明，眼动追踪、头显追踪和手部追踪数据的互补性允许攻击者绕过有针对性的隐私措施，并以与完全不应用隐私机制的情况相当的准确性推断用户身份。
所述发现强调了对全面的隐私增强技术的需求。通过这样做，未来的研究可以推动VR生态系统用户隐私的最新发展，并有助于继续努力支持用户的隐私保护。
