Pesquisadores apresentam o Privatar, um framework que descarrega a reconstrução de avatares de headsets para dispositivos locais não confiáveis, enquanto se protege contra interceptação de dados. O sistema aproveita o conhecimento específico do domínio da reconstrução de avatares para alcançar um descarregamento comprovadamente privado com custo mínimo de desempenho.
- Particionamento Horizontal (HP) decompõe a reconstrução de avatares via BDCT no domínio da frequência, mantendo componentes de alta energia no dispositivo e descarregando apenas subconjuntos de baixa energia para reduzir o vazamento de informações.
- Perturbação Mínima Consciente da Distribuição (DAMP) minimiza o ruído com base na distribuição de expressão de cada usuário, que muda lentamente, reduzindo a perda de utilidade enquanto mantém garantias formais de Privacidade Diferencial local.
- Em um Meta Quest Pro, o Privatar suporta 2.37x mais usuários simultâneos com apenas 6.5% maior perda de reconstrução e 9% de sobrecarga de energia em comparação com as linhas de base.
O Privatar fornece tanto garantias de privacidade comprováveis quanto robustez contra ataques empíricos e baseados em redes neurais, oferecendo uma fronteira Pareto de vazão-perda superior aos métodos de quantização ou esparsidade.