Les chercheurs présentent Privatar, un cadre qui décharge la reconstruction d'avatars des casques vers des appareils locaux non fiables tout en se protégeant contre l'interception des données. Le système exploite les connaissances spécifiques au domaine de la reconstruction d'avatars pour obtenir un déchargement prouvé privé avec un coût minimal en termes de performances.
- Le partitionnement horizontal (HP) décompose la reconstruction d'avatars via BDCT dans le domaine fréquentiel, en gardant les composants à haute énergie sur l'appareil et en ne déchargeant que des sous-ensembles à faible énergie pour réduire les fuites d'informations.
- La perturbation minimale consciente de la distribution (DAMP) minimise le bruit en fonction de la distribution d'expression lentement changeante de chaque utilisateur, réduisant la perte d'utilité tout en maintenant des garanties formelles de confidentialité locale différentielle.
- Sur un Meta Quest Pro, Privatar prend en charge 2,37 fois plus d'utilisateurs simultanés avec seulement 6,5 % de perte de reconstruction supplémentaire et 9 % de surcharge énergétique par rapport aux méthodes de référence.
Privatar offre à la fois des garanties de confidentialité prouvées et une robustesse contre les attaques empiriques et basées sur des réseaux neuronaux, offrant une meilleure frontière de Pareto débit-perte que les méthodes de quantification ou de parcimonie.