Privatheitswahrendes Eye Tracking

• Antragsteller: Professor Dr. Andreas Bulling; Professor Dr. Ralf Küsters
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Sicherheit und Verlässlichkeit, Betriebs-, Kommunikations- und verteilte Systeme
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 548713845

Die Blickverfolgung mittels Eye-Tracking hat sich in den letzten Jahren erheblich weiterentwickelt und damit auch ihre Verbreitung in verschiedenen Anwendungen sowohl in der Forschung als auch in der Industrie. Parallel dazu hat sich der mittels Eye-Tracking gemessene menschliche Blick als reichhaltige Quelle für Informationen über die Aktivitäten und den Fokus der visuellen Aufmerksamkeit der Nutzer, aber auch für noch privatere Informationen wie ihre Absichten und Ziele, persönliche Vorlieben oder Persönlichkeitsmerkmale erwiesen. Mit der zunehmenden Verbreitung von Eye Tracking stellen sich grundlegende neue Herausforderungen in Bezug auf Datenschutz und Sicherheit. Dieses kritische Thema wird jedoch in der Eye-Tracking-Forschungsgemeinschaft noch nicht ausreichend erforscht: Die Bedrohungen für die Privatsphäre sind nur unzureichend verstanden und effektive Technologien zur Wahrung der Privatsphäre, sowie formale Lösungen dazu fehlen weitestgehend. Das Ziel dieses Projekts ist es, diese Forschungslücke zu adressieren und die datenschutzfreundliche Blickverfolgung entlang der gesamten Pipeline der Blickverfolgungsdatenverarbeitung voranzutreiben. Zu diesem Zweck schlägt das Projekt ein umfassendes Arbeitsprogramm an der Schnittstelle zwischen maschinellem Lernen, Computer Vision und Mensch-Computer-Interaktion einerseits und Technologien zur Wahrung der Privatsphäre andererseits vor. Wir konzentrieren uns dabei insbesondere auf kryptographische Ansätze wie Multi-Party Computation, Differential Privacy und (voll-)homomorphe Verschlüsselung. Wir werden diese für die auf privatem Lernen basierende Blickrichtungsschätzung und die Überprüfung der Qualität von Blickdaten, das private Erlernen von Modellen des Blickverhaltens und die datenschutzfreundliche Modellierung von blickbasiertem Nutzerverhalten einsetzen und weiterentwickeln. Dieses Projekt zielt also darauf ab, Pionierarbeit zu leisten und die wissenschaftlichen Grundlagen für eine neue Generation von datenschutzfreundlichen Blickverfolgungsmethoden mit nachweisbaren Datenschutzgarantien zu legen.

• DFG-Verfahren: Sachbeihilfen