Группа учёных из Калифорнийского университета в Беркли, RWTH Aachen в Германии и Unanimous AI провела исследование, чтобы показать, как можно идентифицировать личности игроков по их движениям в виртуальной реальности.
Учёные изучили данные телеметрии более 55 тысяч человек, которые играли в Beat Saber. Они обработали 3,96 ТБ данных из таблицы лидеров игр BeatLeader. Таблица содержала 2 669 886 игровых повторов от 55 541 пользователя во время 713 013 игровых сессий.
Файлы Beat Saber Open Replay (BSOR) включали метаданные (устройства и игровые настройки), телеметрию (измерения положения и ориентации рук, головы и т. д.), контекстную информацию (тип, место и время входа в игру) и статистику производительности.
Затем учёные за пять минут обучили модель классификации на 100 минутах данных о движении головы и рук игроков. Она смогла правильно идентифицировать игрока в 94% случаев. За 10 секунд расчёта данных о движении точность модели классификации составила 73%.
Таким образом, личности более 55 тысяч VR-игроков могут быть идентифицированы путём простого отслеживания движений их головы и рук в течение нескольких секунд, сделали вывод учёные.
По словам авторов исследования, модели движения — настолько уникальный маркер, что они могут служить идентифицирующей биометрией наравне с распознаванием лиц или отпечатков пальцев.
По итогам своей работы учёные предложили внедрить VR-проекты, которые будут искажать телеметрию движений игроков.
habr.com
Учёные изучили данные телеметрии более 55 тысяч человек, которые играли в Beat Saber. Они обработали 3,96 ТБ данных из таблицы лидеров игр BeatLeader. Таблица содержала 2 669 886 игровых повторов от 55 541 пользователя во время 713 013 игровых сессий.
Файлы Beat Saber Open Replay (BSOR) включали метаданные (устройства и игровые настройки), телеметрию (измерения положения и ориентации рук, головы и т. д.), контекстную информацию (тип, место и время входа в игру) и статистику производительности.
Затем учёные за пять минут обучили модель классификации на 100 минутах данных о движении головы и рук игроков. Она смогла правильно идентифицировать игрока в 94% случаев. За 10 секунд расчёта данных о движении точность модели классификации составила 73%.
Таким образом, личности более 55 тысяч VR-игроков могут быть идентифицированы путём простого отслеживания движений их головы и рук в течение нескольких секунд, сделали вывод учёные.
По словам авторов исследования, модели движения — настолько уникальный маркер, что они могут служить идентифицирующей биометрией наравне с распознаванием лиц или отпечатков пальцев.
По итогам своей работы учёные предложили внедрить VR-проекты, которые будут искажать телеметрию движений игроков.
Исследование: игрока можно идентифицировать по VR-телеметрии
Группа учёных из Калифорнийского университета в Беркли, RWTH Aachen в Германии и Unanimous AI провела исследование, чтобы показать, как можно идентифицировать личности игроков по их движениям в...
habr.com