Alapfogalmak
눈 움직임 데이터의 저주파 "신호" 부분과 고주파 "잡음" 부분 모두 개인 식별 정보를 포함하고 있으며, 이는 단기 및 장기 데이터에서 일관되게 나타난다.
Kivonat
이 연구는 눈 움직임 데이터를 "신호"와 "잡음" 부분으로 구분하여 분석하였다. 연구 결과, 저주파 "신호" 부분이 생체 인식 성능이 가장 우수하지만, 고주파 "잡음" 부분에서도 예상보다 많은 개인 식별 정보가 발견되었다. 이는 단기 데이터(약 20분 간격)와 장기 데이터(약 1년 간격)에서 모두 일관되게 나타났다.
눈 움직임 데이터에 포함된 개인 식별 정보의 위치를 이해하는 것은 개인정보 보호 측면에서 중요하다. 연구 결과에 따르면 "신호" 부분뿐만 아니라 "잡음" 부분에서도 개인 식별 정보가 발견되었다. 따라서 개인정보 보호를 위해서는 "신호" 부분뿐만 아니라 "잡음" 부분에 대한 이해도 필요할 것으로 보인다.
Statisztikák
"신호" 부분의 EER은 0.56%, d'는 4.83, FRR @ FAR 10-4는 6.78%로 나타났다.
"잡음" 부분의 EER은 7.66%, d'는 2.77, FRR @ FAR 10-4는 47.73%로 나타났다.
장기 데이터에서 "신호" 부분의 EER은 3.68%, d'는 3.77, FRR @ FAR 10-4는 31.24%로 나타났다.
장기 데이터에서 "잡음" 부분의 EER은 23.73%, d'는 1.51, FRR @ FAR 10-4는 86.34%로 나타났다.
Idézetek
"신호" 부분이 "잡음" 부분보다 생체 인식 성능이 월등히 우수하지만, "잡음" 부분에서도 예상보다 많은 개인 식별 정보가 발견되었다.
단기 및 장기 데이터 모두에서 일관된 결과가 나타났다.