[論文レビュー] Privacy-Protecting Techniques for Behavioral Biometric Data: A Survey

Simon Hanisch, Patricia Arias-Cabarcos+2 more|arXiv (Cornell University)|Sep 9, 2021

User Authentication and Security Systems被引用数 5

ひとこと要約

本調査は、声、歩行、視線、EEG などの行動バイオメトリクスデータのプライバシー保護技術を体系的にレビューし、変換タイプとプライバシー目標に基づいて匿名化手法を分類する。研究の空白が顕著に現れており、特に視線や脳活動のような未だに調査が不足している特徴について明らかにし、現実の攻撃者をモデル化できない弱い評価手法の問題を指摘し、より洗練された攻撃者モデルと標準化されたベンチマークの必要性を提起する。

ABSTRACT

Our behavior (the way we talk, walk, act or think) is unique and can be used as a biometric trait. It also correlates with sensitive attributes like emotions and health conditions. Hence, techniques to protect individuals privacy against unwanted inferences are required, if such data is planned to be processed. To consolidate knowledge in this area, we systematically review applicable anonymization techniques. We taxonomize and compare existing solutions regarding privacy goals, conceptual operation, advantages, and limitations. We review anonymization techniques for the behavioral biometric traits of voice, gait, hand motions, eye-gaze, heartbeat (ECG), and brain activity (EEG). Our analysis shows that some behavioral traits (e.g., voice) have received much attention, while others (e.g., eye-gaze, brain activity) are mostly neglected. We also find that the evaluation methodology of behavioral anonymization techniques can be further improved.

研究の動機と目的

• 異なるモダリティにわたる行動バイオメトリクスデータの匿名化技術に関する既存研究を統合・体系化すること。
• 行動データ処理におけるプライバシー脅威および攻撃者モデルを同定すること、特に健康状態や感情といった感受性の高い属性の推定を念頭に置くこと。
• 現在の匿名化手法の有効性と限界を評価し、現実の攻撃者に対してどれほど耐性があるかに焦点を当てる。
• 視線や脳活動といった未だに調査が不足している行動的特徴を浮き彫りにし、それらに十分なプライバシー保護ソリューションが存在しないことを強調すること。
• 現在の評価手法を批判し、改善すること。多くの研究が弱い攻撃者を仮定しており、研究間で標準化が欠如している。

提案手法

• キーンシングの指針に従い、初期の論文コーパス296件から抽出された101件の研究を分析して、体系的な文献レビューを実施した。
• 2つの分類体系を提案した：1つはデータ変換（例：摂動、ごまかし、暗号化）に基づくもの、もう1つはプライバシー目標（例：脱識別化、k-匿名性、微分プライバシー）に基づくもの。
• 声、歩行、手の動き、視線、ECG、EEG といった行動バイオメトリクス的特徴ごとに匿名化手法を分類した。
• 各手法を、応用文脈、プライバシー目標、技術的アプローチ、および実証的評価手法に基づいて評価した。
• 評価に使用されたデータセット（例：VoxCeleb、BEHAVE、DEAP）を分析し、各特徴におけるデータの可用性と質を評価した。
• 明確な攻撃者モデルと、匿名化データで再訓練された認識システムを用いた、より強固な評価フレームワークの必要性を提言した。

実験結果

リサーチクエスチョン

• RQ1 異なる行動バイオメトリクス的特徴に対して、どの匿名化手法が最も効果的であり、プライバシーと利便性の観点からどのように比較できるか？
• RQ2 視線やEEG のような行動バイオメトリクス的特徴は、プライバシー感受性が高いため、なぜ未だに調査が不足しているのか？
• RQ3 現在の匿名化手法の評価手法は、現実の攻撃者を適切にモデル化できていない点で、どのような点で不十分なのか？
• RQ4 行動データに内在する時間的依存性は、標準的な匿名化アプローチの有効性をどの程度損なうか？
• RQ5 行動バイオメトリクス匿名化研究において、形式的なプライバシー定義と評価基準の主要なギャップは何か？

主な発見

• 声については広範な研究がなされているが、視線や脳活動（EEG）については匿名化研究が著しく不足している。
• 大多数の匿名化手法は、攻撃者が匿名化手法およびそのパラメータを把握している状況を想定しない弱い攻撃者仮定のもとで評価されている。
• 多くの評価手法では、明示的データと匿名化データの間の精度差を報告するが、匿名化データでモデルを再訓練していないため、プライバシー評価が楽観的になりすぎる傾向にある。
• 形式的なプライバシー定義や標準化された評価フレームワークの欠如があり、多くの研究が実証的プライバシー推定に依存している。
• 行動データの時間的依存性（時系列的依存性）は、匿名化設計および評価の両方でほとんど無視されている。
• 未調査の特徴（例：EEG や視線研究における15〜30名程度の被験者）のための公開データセットが限られているため、手法の開発と比較が困難になっている。