悪事を見ない：AR向けセマンティックな文脈認識型プライバシーリスク検出

要旨: 拡張現実（AR）システムは、視覚データを継続的に取り込むため、独自のプライバシーリスクをもたらします。既存のAR向けプライバシーフレームワークは、視覚コンテンツを意味論的に理解できないため、文脈に依存したプライバシーリスクの検出における有効性が限られています。そこで本研究では、PrivARを提案します。PrivARは、AR環境における文脈依存のプライバシーリスク検出のために、連鎖思考（chain-of-thought）プロンプトを用いたビジョン言語モデル（VLM）を活用します。PrivARは、視覚シーンの手がかりを用いて、オフィス環境における文脈推論によってパスワードメモを特定するなど、潜在的な機微情報の種類を推定します。PrivARは、テキストコンテンツを検出して難読化することで、機微情報の露出を防ぎつつ、VLM推論に必要な文脈上の手がかりを保持します。さらに、ユーザーのプライバシー意識を高めるために、文脈に基づいた警告インターフェースについても調査します。実世界のARデータセットでの実験により、PrivARはベースラインと比較して精度（81.48%）およびF1スコア（84.62%）が優れていること、またプライバシー漏えい率を17.58%まで低減できることが示されます。文脈に基づいた警告インターフェースを評価するユーザースタディでは、有効なプライバシー配慮型AR設計に関する知見が得られます。