연구자들은 아바타 재구성을 헤드셋에서 신뢰할 수 없는 로컬 장치로 오프로드하면서 데이터 가로채기로부터 보호하는 프레임워크인 Privatar를 소개합니다. 이 시스템은 아바타 재구성에 대한 도메인 특화 지식을 활용하여 최소한의 성능 비용으로 증명 가능한 프라이버시를 갖춘 오프로딩을 달성합니다.

  • 수평 분할(HP)은 주파수 영역에서 BDCT를 통해 아바타 재구성을 분해하며, 고에너지 구성 요소는 디바이스 내부에 유지하고 정보 유출을 줄이기 위해 저에너지 하위 집합만 오프로드합니다.
  • 분포 인식 최소 섭동(DAMP)은 각 사용자의 느리게 변화하는 표정 분포를 기반으로 노이즈를 최소화하여 공식적인 로컬 차등 프라이버시 보장을 유지하면서 유틸리티 손실을 줄입니다.
  • Meta Quest Pro에서 Privatar는 기준선과 비교했을 때 재구성 손실은 6.5%, 에너지 오버헤드는 9% 증가하는 반면, 동시 사용자 수는 2.37배 더 지원합니다.

Privatar는 증명 가능한 프라이버시 보장과 실험적 및 신경망 기반 공격에 대한 견고성을 모두 제공하며, 양자화 또는 희소성 방법보다 더 나은 처리량-손실 파레토 전선을 제공합니다.