Para peneliti memperkenalkan Privatar, sebuah kerangka kerja yang memindahkan rekonstruksi avatar dari headset ke perangkat lokal yang tidak dipercaya sambil melindungi terhadap penyadapan data. Sistem ini memanfaatkan pengetahuan spesifik domain tentang rekonstruksi avatar untuk mencapai offloading yang terbukti privat dengan biaya kinerja minimal.
- Horizontal Partitioning (HP) mengurai rekonstruksi avatar melalui BDCT di domain frekuensi, menyimpan komponen berenergi tinggi di perangkat dan hanya memindahkan subset berenergi rendah untuk mengurangi kebocoran informasi.
- Distribution-Aware Minimal Perturbation (DAMP) meminimalkan noise berdasarkan distribusi ekspresi pengguna yang berubah perlahan, mengurangi kehilangan utilitas sambil mempertahankan jaminan formal Differential Privacy lokal.
- Pada Meta Quest Pro, Privatar mendukung 2.37x lebih banyak pengguna bersamaan dengan kerugian rekonstruksi hanya 6.5% lebih tinggi dan overhead energi 9% dibandingkan dengan metode dasar.
Privatar memberikan jaminan privasi yang terbukti dan ketahanan terhadap serangan empiris serta berbasis jaringan saraf, menawarkan frontier Pareto throughput-kehilangan yang lebih baik daripada metode kuantisasi atau sparsity.