.
Exclusivo Atualmente, a realidade virtual parece não oferecer praticamente nenhuma privacidade para aqueles que procuram se esconder online.
Essa previsão vem não apenas de saber que o principal queimador de caixa na corrida para estabelecer um metaverso, Meta. Segue-se de estudos academicos enumerando as mais de duas dúzias de atributos de dados privados disponíveis para jogadores em um panóptico corporativo de RV.
E agora essa falta de privacidade parece ainda mais provável à luz das pesquisas mais recentes de um grupo de cientistas da computação ligados à UC Berkeley, RWTH Aachen na Alemanha e Unanimous AI.
Em documento fornecido a Strong The One antes de sua publicação no ArXiv, os acadêmicos Vivek Nair, Wenbo Guo, Justus Mattern, Rui Wang, James O’Brien, Louis Rosenberg e Dawn Song decidiram testar até que ponto os indivíduos em ambientes de realidade virtual podem ser identificados pelo movimento do corpo dados.
Os boffins coletaram dados de telemetria de mais de 55.000 pessoas que jogaram Beat Saber, um jogo de ritmo VR no qual os jogadores acenam com controladores de mão ao som da música. Em seguida, eles digeriram 3,96 TB de dados, da tabela de classificação do jogo BeatLeader, consistindo em 2.669.886 replays de jogos de 55.541 usuários durante 713.013 sessões de jogo separadas.
Esses arquivos Beat Saber Open Replay (BSOR) continham metadados (dispositivos e configurações do jogo), telemetria (medidas da posição e orientação das mãos, cabeça e assim por diante dos jogadores), informações de contexto (tipo, localização e tempo de entrada). estímulos do jogo) e estatísticas de desempenho (respostas aos estímulos do jogo).
A partir disso, os pesquisadores se concentraram nos dados derivados dos movimentos da cabeça e das mãos dos jogadores do Beat Sabre. Apenas cinco minutos desses três pontos de dados provaram ser suficientes para treinar um modelo de classificação que, considerando 100 minutos de dados de movimento do jogo, poderia identificar exclusivamente o jogador em 94% das vezes. E com apenas 10 segundos de dados de movimento, o modelo de classificação conseguiu uma precisão de 73 por cento.
“O estudo demonstra que mais de 55 mil usuários ‘anônimos’ de realidade virtual podem ser anonimizados de volta ao indivíduo exato apenas observando os movimentos da cabeça e das mãos por alguns segundos”, disse Vivek Nair, estudante de doutorado da UC Berkeley e um dos autores. do papel, em um e-mail para Strong The One.
“Sabemos há muito tempo que o movimento revela informações sobre as pessoas, mas o que este estudo mostra recentemente é que os padrões de movimento são tão únicos para um indivíduo que podem servir como uma identificação biométrica, a par do reconhecimento facial ou de impressão digital. Isso realmente muda a forma como pensamos sobre a noção de ‘privacidade’ no metaverso, pois apenas movendo-se em VR, você também pode transmitir seu rosto ou impressões digitais o tempo todo!”
Questionado sobre se essa técnica poderia ser generalizada para ser útil fora dos ambientes de realidade virtual, Nair disse que espera que você possa aprender mais sobre as pessoas a partir do rastreamento geral de movimento no mundo real, porque mais informações podem ser observadas.
“Houve documentos desde a década de 1970 que mostraram que os indivíduos podem identificar o movimento de seus amigos”, disse Nair. “Um papel de 2000 de Berkeley até mostrou que, com dados de captura de movimento, você pode recriar um modelo de todo o esqueleto de uma pessoa.”
“O que não foi mostrado, até agora, é que o movimento de apenas três pontos rastreados em VR (cabeça e mãos) é suficiente para identificar usuários em uma escala enorme (e talvez até global). e perfis de usuários com precisão ainda maior fora da realidade virtual quando mais objetos rastreados estão disponíveis, como o rastreamento de corpo inteiro que algumas câmeras 3D são capazes de fazer.”
Nair expressou ceticismo quanto à possibilidade de leis de privacidade serem elaboradas para restringir a coleta de todas as informações identificáveis. “Por exemplo, todo mundo usa vocabulário e estrutura ligeiramente diferentes ao escrever, e isso é o suficiente para identificar um indivíduo”, explicou ele. “Com base nisso, devemos restringir a coleta de todo o texto escrito em geral?”
Nair disse que continua otimista sobre o potencial de sistemas como MetaGuardName – um projeto de modo incógnito de RV no qual ele e seus colegas estão trabalhando – para lidar com ameaças à privacidade, alterando a RV de maneira a preservar a privacidade, em vez de tentar impedir a coleta de dados.
O artigo sugere táticas de defesa de dados semelhantes: “Esperamos ver trabalhos futuros que corrompam de forma inteligente os replays de VR para obscurecer propriedades identificáveis sem impedir seu propósito original (por exemplo, pontuação ou detecção de trapaça).”
Uma razão para preferir a alteração de dados à negação de dados é que pode haver aplicativos de RV (por exemplo, diagnósticos médicos baseados em movimento) que justifiquem mais investimentos na tecnologia, em vez de sustentar mundos fictícios apenas para pilhar a privacidade.
“Talvez veremos versões mais sofisticadas de abordagens de preservação da privacidade em VR se desenvolverem com o tempo”, disse Nair, pontuando sua mensagem com um emoticon de rosto sorridente como um sinal de otimismo.
É isso ou armazenar fones de ouvido VR na lixeira. ®
.
