PrivatEye: Privatsphärenschonende Manipulation von Augenbewegungsdaten für virtuelle und augmentierte Realität

• Antragstellerin: Professorin Dr. Enkelejda Kasneci
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 491966293

Eye-Tracking wird als eine vielversprechende Schlüsseltechnologie in der virtuellen (VR) und erweiterten Realität (AR) betrachtet, da es das Potenzial hat, die Benutzererfahrung zu verbessern und Rechenressourcen zu sparen (z. B. durch sog. Foveated Rendering). Da die Augen nicht vollständig bewusst gesteuert werden, kann man durch die Analyse von Augenbewegungen auch sensible und persönliche Informationen ableiten. Folglich müssen die biometrischen Informationen, die im Augenbewegungsverhalten enthalten sind, vor potentiellen Angreifern geschützt werden. Bisher gibt es jedoch nur wenige Forschungsarbeiten, die sich mit der Sicherung der Privatsphäre beim Eye-Tracking beschäftigen, indem sie entweder differenzierte datenschutzbasierte oder praktische Lösungen vorschlagen. Diese Methoden leiden jedoch unter mehreren Einschränkungen. Zum Beispiel gibt es bislang nur eine Forschungsarbeit, die Datenkorrelationen berücksichtigt, während sie differentielle datenschutzbasierte Lösungen anbietet. Da differentielle Datenschutzmechanismen jedoch anfällig für Korrelationen in Daten sind, ist es wichtig, diese entsprechend zu behandeln. Darüber hinaus bieten die meisten der vorgeschlagenen praktischen Lösungen weder formale Datenschutzbeweise noch wurden sie in der Praxis eingesetzt, so dass sie eher als "Proof-of-Concepts" zu betrachten sind. Darüber hinaus wurden diese Lösungen noch nicht für verschiedene visuelle Stimuli und Aufgaben evaluiert. Ziel dieser Arbeit ist es, einen übergreifenden Rahmen zu erforschen und erschaffen, indem wir differenzierte datenschutz- und sichere, auf mehreren Parteien basierende Lösungen vorschlagen und diese in verschiedenen Anwendungen (z.B. im Kontext der bildungsnahen Anwendungen und des Fahren) evaluieren. Als Hauptergebnis dieses Projekts stellen wir uns datenschutzfreundliche Eye-Tracking-Lösungen vor, die sich leicht in realen VR/AR-Anwendungen einsetzen lassen.

• DFG-Verfahren: Sachbeihilfen