Core Concepts
本研究では、アイトラッキングデータのプライバシーを保護しつつ、スキャンパスの比較を行う新しい手法を提案する。Paillierホモモーフィック暗号化スキームを活用し、Needleman-Wunsch アルゴリズムを安全に実行できる効率的なプロトコルを開発した。
Abstract
本研究では、アイトラッキングデータのプライバシーを保護しつつ、スキャンパスの比較を行う新しい手法を提案している。
まず、Needleman-Wunsch アルゴリズムの概要を説明する。このアルゴリズムは、二つのシーケンスの類似性を評価するために広く使われている手法である。
次に、Paillierホモモーフィック暗号化スキームの特性について述べる。この暗号化方式は、暗号化された状態での演算が可能であり、プライバシー保護に適している。
提案手法の詳細は以下の通り:
暗号化された距離行列をAliceからBobに送る
Bobは、ランダムに選択した位置の編集コストを計算する
コストの最小値の計算にはAliceの協力が必要
最小値の計算過程をマスキングすることで、Aliceにはコストの詳細が見えないようにする
最終的な類似度スコアをAliceが復号して返す
提案手法は、計算効率が高く、通信オーバーヘッドも小さい。3つの公開データセットと合成データを用いた評価実験を行い、提案手法の有効性を示した。
Stats
スキャンパス長(𝑚×𝑛)の平均と標準偏差:
Salient360: 569.4 ± 508.4
EHTask: 201,333.5 ± 125,776.8
360em: 13,808.4 ± 7,142.3
セキュリティパラメータ𝜅=1024(80ビット)の場合の平均計算時間:
Salient360: 24.9 ± 22.7秒
EHTask: 7,744.1 ± 4,837.8秒
360em: 522.9 ± 273.3秒