arXiv cs.CRは2026年8月28日(現地時間)、行動生体認証（BBA）システムの深層学習モデルが生成する本人確認埋め込みデータが、性別、年齢、身長などの人口統計学的属性を意図せず漏洩させる可能性について体系的な監査結果を公開した。研究では11モデルと9データセットを評価し、情報の漏洩度合いと抑制の難易度が、利用されるモダリティやモデルアーキテクチャによって大きく異なることを指摘している。
行動生体認証（BBA）システムでは、眼球運動、音声、キーストローク、歩行といった生体信号を、ユーザー認証のための本人確認埋め込みデータに変換するため深層学習モデルが活用される。これらの埋め込みデータは本人確認を目的に設計されるものの、性別、年齢、身長といった機微な人口統計学的属性を意図せず開示する可能性がある。認証モデルにアクセス可能な攻撃者は、訓練中や登録中に一度も観察されていないユーザーの生体信号からでも、人口統計学的情報を推測できる。
本研究は、BBAシステムにおける人口統計学的情報漏洩について、初の体系的な監査を実施した。対象となったのは、4つの生体認証モダリティにわたる9つのデータセットからなる11のモデルである。
研究チームはさらに、Incremental Variable Elimination (IVE)、Hilbert-Schmidt Independence Criterion (HSIC)、Adversarial Encoder-Decoder (AED)、Protected Attribute Suppression System (PASS) の4つの事後抑制手法をベンチマークし、認証の有用性を保ちつつ人口統計学的情報漏洩を軽減する能力を評価した。分析の結果、モダリティ、モデルアーキテクチャ、学習目的によって、情報の漏洩性と抑制可能性に大きなばらつきがあることが判明している。
特に音声埋め込みデータは高い漏洩性を示すが効果的に抑制が可能であった。一方、キーストローク／タッチストロークの埋め込みデータは漏洩は少ないものの、その情報を浄化することは著しく困難であることが示された。これらの発見は、行動生体認証における根本的なプライバシーリスクを浮き彫りにし、人口統計学的情報の抑制可能性を左右する要因に関する新たな知見を提供している。
参考: arXiv cs.CR — 2026年9月1日 13:00 (JST)