技术摘要：行为生物识别数据隐私保护技术综述

问题陈述

数字化转型导致通过可穿戴设备、传感器和泛在计算设备收集的行为生物识别数据（如语音、步态、眼动、心跳、脑电波）呈现出前所未有的规模。与传统生物识别不同，行为数据具有丰富的隐性依赖性（时间与生理特征），并与敏感属性（如医疗状况、情绪和心理特质）相关联。这造成了双重威胁：身份泄露（跨场景重新识别个体）和属性泄露（推断性别、健康状况或精神状态等敏感特征）。

目前的隐私防御手段通常依赖于移除直接标识符或简单的模糊化处理，由于行为数据具有高维特性，且攻击者能够利用机器学习从匿名化的时间序列中重建清晰数据，因此这种方式是不够的。此外，现有文献缺乏对不同行为特征之间概念和方法论相似性的系统性回顾，导致在理解哪些特征被忽视以及如何改进评估方法方面存在空白。

研究方法

作者遵循 Kitchenham 指南 [28] 进行了系统性的文献综述。

• 检索策略： 他们使用与行为特征（脑电波、眼动、步态、语音等）相关的关键词，结合“隐私”、“匿名化”和“去标识化”，识别了 2007 年至 2022 年初的 296 篇出版物。
• 筛选标准： 从最初的语料库中，根据严格的标准选择了 101 篇同行评审的著作：必须是同行评审格式、英文语言、侧重于身份/属性匿名化且兼顾数据效用，并具有足够的工程实现细节。
• 排除标准： 仅关注加密（机密计算）、缺乏实现细节的高层级描述或非同行评审格式的作品被排除在外。
• 分类法开发： 作者开发了两个分类法来对 101 项研究进行分类：
  1. 按隐私目标： 身份保护 vs. 属性保护。
  2. 按数据转换方式： 随机扰动、噪声注入、特征移除、离散转换和连续转换。

核心贡献

1. 匿名化技术的全面分类法

本文根据数据转换方式对现有解决方案进行了分类：

• 非确定性方法： 依赖于随机性（例如，随机扰动、噪声注入）。
• 确定性方法： 对于给定的输入始终产生相同的结果。这些方法分为：
  • 移除类： 粗粒度化（使数据稀疏）或特征移除（消除特定特征）。
  • 转换类： 将数据转换为新的表示形式（离散转换或连续转换）。
• 混合方法： 许多现代技术结合了上述方法，例如“连续转换 + 噪声注入”。

2. 特定特征分析

本综述详细介绍了六种特定行为特征的现状，分析了它们的效用、威胁空间和匿名化技术：

• 语音 (Voice)： 研究最充分的特征。技术包括说话人转换（使用 GMM、i-vectors 或 GANs 将源语音映射到目标/合成语音）、频率扭曲（声道长度归一化）和模板保护（安全二进制嵌入、模糊承诺）。其独特目标是用于保护语义内容的语音模糊化 (Speech Blurring)。
• 步态 (Gait)： 侧重于基于摄像头和基于加速度计的识别。技术包括模糊化（指数模糊、LIC）、噪声注入（通过 CNNs 或 GANs 混合噪声步态）以及特征移除（移除有助于身份识别的时间特征）。
• 手部动作 (Hand Motions)： 涵盖书写、击键和手势。方法涉及分段打乱、噪声注入（针对击键的延迟混合）、粗粒度化（抑制击键）和模板保护（生物哈希、直方图）。
• 眼动 (Eye-Gaze)： 高度依赖差分隐私 (DP)（拉普拉斯/傅里叶扰动、指数机制）来防止重新识别和属性推断（如性别、精神状态）。技术还包括合成数据生成和降采样。
• 心跳 (ECG)： 方法包括特征移除（DCT、小波变换）、连续转换（k-匿名性、用于合成数据的 GANs）和可取消模板（随机投影）。
• 脑电波 (EEG)： 研究最少的特征。几乎所有近期的工作都利用生成对抗网络 (GANs) 来生成合成数据或过滤敏感信息（例如酒精中毒情况），同时保留用于精神任务分类的效用。

3. 评估方法论评述

作者指出当前评估实践中的一个关键缺陷：

• 弱攻击者假设： 大多数研究在清晰数据上训练识别模型，并在匿名化数据上进行测试，假设攻击者不知道匿名化技术。
• 缺乏知情攻击： 很少有研究针对“知情攻击者”（即已知匿名化方法和参数的攻击者）进行评估。
• 建议： 本文主张采用更强的攻击者模型（类似于密码学），并在匿名化数据上重新训练推理系统，以提供现实的隐私评估。

结果与发现

1. 研究分布不均： 语音匿名化是一个成熟的领域，拥有众多解决方案。相比之下，眼动和脑电波在很大程度上被忽视了，专门的匿名化技术非常少。没有找到符合本综述标准的关于面部表情、嘴唇、触觉特征的合适论文。
2. 概念独立性： 用于行为数据匿名化的底层概念在很大程度上独立于特定的生物特征。这表明为一种特征开发的技术（例如用于 EEG 的 GANs）可以潜在地适配到其他特征。
3. 效用与隐私的权衡： 在保留数据效用（如语音的可懂性、步态的自然度）与实现强隐私保护之间存在持久的紧张关系。例如，向步态数据添加噪声往往会破坏活动识别所需的自然度。
4. 时间维度忽视： 大多数方法未能处理数据的时间维度（时间序列依赖性）。作者指出，操纵时间差异或事件顺序可能会实现更稳健、与特征无关的匿名化。
5. 差分隐私的局限性： 综述观察到，将标准的差分隐私 (DP) 应用于连续监测场景（如医疗保健或身份验证）非常困难，因为有限的隐私预算会随着时间的推移而耗尽，最终损害隐私。

重要性与主张

本文声称提供了首个系统性综述，桥接了一套全面的行为生物识别特征之间的概念相似性与差异性。其重要性在于：

• 识别研究空白： 强调了尽管眼动和脑电波具有高度敏感性，但它们仍处于受保护不足的状态。
• 标准化评估： 主张该领域必须超越“弱攻击者”评估，转向“知情攻击者”模型，以真正评估隐私保护水平。
• 分类法的实用性： 提供了一个结构化框架（按转换类型和隐私目标），以帮助研究人员选择和比较匿名化技术。
• 数据集匮乏： 指出缺乏可用且多样化的数据集是推动研究较少研究特征的主要瓶颈。

作者总结道，虽然语音匿名化已发展成熟，但更广泛的行为生物识别隐私领域需要更严谨的评估方法，并扩大对被忽视特征的研究，以便在日益丰富的传感器世界中有效保护用户的尊严与隐私。