[論文レビュー] Going Incognito in the Metaverse: Achieving Theoretically Optimal Privacy-Usability Tradeoffs in VR

Vivek Nair, Gonzalo Munilla Garrido+1 more|arXiv (Cornell University)|Aug 11, 2022

Privacy, Security, and Data Protection被引用数 5

ひとこと要約

本稿では、局所的ε-微分プライバシーを用いて、感度の高いユーザー情報（動きのパターン、人口統計的属性、デバイス固有の属性など）を定量的にぼかすことで、使いやすさへの影響を最小限に抑えたVR用「インコギニートモード」であるMetaGuardを紹介する。実世界のVRプライバシー攻撃を対象に評価した結果、脱匿名化の成功率を最大96.0%まで低下させ、没入型バーチャル環境における理論的に最適なプライバシーと使いやすさのトレードオフを実証した。

ABSTRACT

Virtual reality (VR) telepresence applications and the so-called "metaverse" promise to be the next major medium of human-computer interaction. However, with recent studies demonstrating the ease at which VR users can be profiled and deanonymized, metaverse platforms carry many of the privacy risks of the conventional internet (and more) while at present offering few of the defensive utilities that users are accustomed to having access to. To remedy this, we present the first known method of implementing an "incognito mode" for VR. Our technique leverages local differential privacy to quantifiably obscure sensitive user data attributes, with a focus on intelligently adding noise when and where it is needed most to maximize privacy while minimizing usability impact. Our system is capable of flexibly adapting to the unique needs of each VR application to further optimize this trade-off. We implement our solution as a universal Unity (C#) plugin that we then evaluate using several popular VR applications. Upon faithfully replicating the most well-known VR privacy attack studies, we show a significant degradation of attacker capabilities when using our solution.

研究の動機と目的

• メタバースにおけるプライバシーリスクの増大に応えるため、VRユーザーが動きやテレメトリデータを用いて簡単にプロファイリングされ、脱匿名化される問題に対処すること。
• Webのプライベートブラウジングの成功を模倣し、VRにおける実用的で使いやすいプライバシー防御のギャップを埋めること。
• ユーザーが1クリックでプライバシー保護レベルを動的に調整できる、柔軟でアプリケーションに依存しないソリューションを設計すること。
• 微分プライバシーの影響がVRユーザー体験および攻撃者能力に与える影響を定量的に評価すること。
• UnityベースのVRアプリケーションで利用可能な実用的でオープンソースのプラグインを提供し、クライアント側でのプライバシー保護を可能にすること。

提案手法

• 感度の高いVRテレメトリデータ（動きの軌跡、頭部の動き、人口統計的属性など）に、校正されたノイズを局所的ε-微分プライバシーを用いて追加する。
• プライバシーに最も脆弱なデータ次元にのみノイズを適用し、アプリケーションの文脈に基づいてプライバシーと使いやすさのトレードオフを最適化する。
• 既存のVRアプリケーションに影響を与えることなく、シームレスに統合可能なモジュラーなUnity（C#）プラグインアーキテクチャを実装する。
• ユーザーが調整可能なεパラメータを用いて、プライバシー保護のレベルを制御し、プライバシーと使いやすさの間の微細なトレードオフを可能にする。
• 人間の身体感覚の柔軟性に関する研究から導かれた統計的境界を用い、ノイズによって生じる知覚エラーが、ユーザーが自然に適応可能な範囲内に保たれることを保証する。
• 実際のユーザーデータを用いて、3つの代表的なVRプライバシー攻撃を再現し、識別精度やプロファイル類似度などの指標で、攻撃者の性能低下を測定してシステムを評価する。

実験結果

リサーチクエスチョン

• RQ1 微分プライバシーを用いたクライアントサイドで、プラグインベースのインコギニートモードをVRに効果的に実装でき、多様な感度の高いデータ属性を保護できるか？
• RQ2 ε-微分プライバシーのノイズを追加することで、既知のVR脱匿名化およびプロファイリング攻撃における攻撃者の能力はどの程度低下するか？
• RQ3 微分プライバシーの使いやすさへの影響はVRにおいてどのように現れ、ユーザーに感知可能か、あるいは耐容可能か？
• RQ4 アプリケーションごとに柔軟にプライバシーと使いやすさのトレードオフを調整可能でありながら、強いプライバシー保証を維持できるか？
• RQ5 ユーザーが最小限の手間で「インコギニートモード」に切り替えられ、最大限の制御権を握れる実用的でオープンソースのソリューションは存在するか？

主な発見

• MetaGuardは、複数の攻撃シナリオにおいて、VR脱匿名化攻撃の成功率を最大96.0%まで低下させ、攻撃者の能力を顕著に低下させた。
• システムは、動きのパターン、人口統計的属性、デバイス固有のテレメトリなど、幅広い感度の高いデータを、的確なノイズ注入によって効果的に保護した。
• 微分プライバシーによって生じる知覚エラーは、人間の身体感覚の柔軟性に関する既存の研究に基づき、ユーザーが自然に適応可能な範囲内に保たれた。
• プラグインは、既存のUnityベースのVRアプリケーションと高い互換性を示し、シームレスな統合と1クリックによるインコギニートモードの有効化を可能にした。
• 特に重要な動きの特徴に最小限のノイズを加えただけでも、攻撃者が利き手や個人識別子を推定する能力は顕著に低下した。
• εパラメータを用いた動的でユーザー制御可能なトレードオフを可能にし、理論的に最適なプライバシーと使いやすさのバランスを実現した。