Un nouveau papier de la Université de Californie, Berkeley révèle que la confidentialité peut être impossible dans le métaverse sans de nouvelles garanties innovantes pour protéger les utilisateurs.

Dirigé par le chercheur diplômé Vivek Nair, le récent étude a été menée au Center for Responsible Decentralized Intelligence (RDI) et impliquait le plus grand ensemble de données d’interactions d’utilisateurs en réalité virtuelle (RV) jamais analysé pour les risques de confidentialité.

Ce qui rend les résultats si surprenants, c’est le peu de données nécessaires pour identifier de manière unique un utilisateur dans le métaverse, éliminant potentiellement toute chance de véritable anonymat dans les mondes virtuels.

Des données de mouvement simples pas si simplistes

En toile de fond, la plupart des chercheurs et des décideurs qui étudient confidentialité du métaverse concentrez-vous sur les nombreuses caméras et microphones des casques VR modernes qui capturent des informations détaillées sur les traits du visage, les qualités vocales et les mouvements des yeux de l’utilisateur, ainsi que des informations ambiantes sur la maison ou le bureau de l’utilisateur.

Certains chercheurs s’inquiètent même des technologies émergentes comme les capteurs EEG qui peuvent détecter une activité cérébrale unique à travers le cuir chevelu. Bien que ces flux de données riches posent de sérieux risques pour la confidentialité dans le métaverse, les désactiver tous peut ne pas fournir l’anonymat.

En effet, le flux de données le plus élémentaire nécessaire pour interagir avec un monde virtuel (des données de mouvement simples) peut suffire à identifier de manière unique un utilisateur au sein d’une large population.

Et par « données de mouvement simples », j’entends les trois points de données les plus élémentaires suivis par les systèmes de réalité virtuelle – un point sur la tête de l’utilisateur et un sur chaque main. Les chercheurs l’appellent souvent « données de télémétrie » et représentent l’ensemble de données minimal requis pour permettre à un utilisateur d’interagir naturellement dans un environnement virtuel.

Identification unique en quelques secondes

Cela m’amène au nouveau étude de Berkeley, « Identification unique de plus de 50 000 utilisateurs de réalité virtuelle à partir des données de mouvement de la tête et de la main.” La recherche a analysé plus de 2,5 millions d’enregistrements de données VR (entièrement anonymisés) de plus de 50 000 joueurs de la populaire application Beat Saber et a constaté que les utilisateurs individuels pouvaient être identifiés de manière unique avec une précision de plus de 94 % en utilisant seulement 100 secondes de données de mouvement.

Encore plus surprenant, la moitié de tous les utilisateurs pouvaient être identifiés de manière unique avec seulement 2 secondes de données de mouvement. Atteindre ce niveau de précision nécessitait des techniques d’IA innovantes, mais encore une fois, les données utilisées étaient extrêmement rares – seulement trois points spatiaux pour chaque utilisateur suivi au fil du temps.

En d’autres termes, chaque fois qu’un utilisateur met un casque de réalité mixte, saisit les deux manettes standard et commence à interagir dans un monde virtuel ou augmenté, il laisse derrière lui une trace d’empreintes digitales qui peuvent les identifier de manière unique. Bien sûr, cela soulève la question : comment ces empreintes digitales numériques se comparent-elles aux empreintes digitales réelles dans leur capacité à identifier de manière unique les utilisateurs ?

Si vous demandez aux gens dans la rue, ils vous diront que pas deux empreintes digitales dans le monde sont les mêmes. Cela peut être vrai ou non, mais honnêtement, cela n’a pas d’importance. Ce qui est important, c’est la précision avec laquelle vous pouvez identifier un individu à partir d’une empreinte digitale laissée sur une scène de crime ou entrée dans un lecteur d’empreintes digitales. Il s’avère que les empreintes digitales, qu’elles soient relevées d’un emplacement physique ou capturées par le scanner de votre téléphone, ne sont pas aussi identifiables que la plupart des gens le supposent.

Considérons le fait d’appuyer votre doigt sur un scanner. Selon l’Institut national des normes et de la technologie (NIST) la référence souhaitée pour les lecteurs d’empreintes digitales est une correspondance unique avec une précision de 1 personne sur 100 000.

Cela dit, le monde réel test par le NIST et d’autres ont constaté que le vraie précision de la plupart des lecteurs d’empreintes digitales peut être inférieur à 1 sur 1 500. Pourtant, cela rend extrêmement improbable qu’un criminel qui vole votre téléphone puisse utiliser son doigt pour y accéder.

Éliminer l’anonymat

D’un autre côté, l’étude de Berkeley suggère que lorsqu’un utilisateur de réalité virtuelle balance un sabre virtuel sur un objet volant vers lui, les données de mouvement qu’il laisse derrière lui peuvent être identifiables de manière plus unique que son empreinte digitale réelle.

Cela pose un risque très sérieux pour la vie privée, car cela élimine potentiellement l’anonymat dans le métaverse. De plus, ces mêmes données de mouvement peuvent être utilisées pour déduire avec précision un certain nombre de caractéristiques personnelles spécifiques concernant les utilisateurs, notamment leur taille, leur latéralité et leur sexe.

Et lorsqu’il est combiné avec autre informations couramment suivie dans des environnements virtuels et augmentés, cette méthode d’empreintes digitales basée sur le mouvement est susceptible de produire des identifications encore plus précises.

J’ai demandé à Nair de commenter ma comparaison ci-dessus entre la précision des empreintes digitales traditionnelles et l’utilisation des données de mouvement comme « empreintes digitales numériques » dans des environnements virtuels et augmentés.

Il a décrit le danger de la manière suivante : « Se déplacer dans un monde virtuel tout en diffusant des données de mouvement de base reviendrait à naviguer sur Internet tout en partageant vos empreintes digitales avec chaque site Web que vous visitez. Cependant, contrairement à la navigation sur le Web, qui n’oblige personne à partager ses empreintes digitales, le streaming de données de mouvement est un élément fondamental du fonctionnement actuel du métaverse.

Pour vous donner une idée à quel point la prise d’empreintes digitales basée sur le mouvement pourrait être insidieuse, considérez le métaverse du futur proche : une époque où les utilisateurs font régulièrement leurs achats dans des mondes virtuels et augmentés. Que vous parcouriez des produits dans un magasin virtuel ou visualiser à quoi pourraient ressembler de nouveaux meubles dans leur appartement réel à l’aide de lunettes de réalité mixte, les utilisateurs sont susceptibles d’effectuer des mouvements physiques courants tels que saisir des objets virtuels sur des étagères virtuelles ou reculer de quelques pas pour bien voir un meuble virtuel.

L’étude de Berkeley suggère que ces mouvements communs pourraient être aussi uniques à chacun de nous que les empreintes digitales. Si tel est le cas, ces « motion prints », comme nous pourrions les appeler, signifieraient que les acheteurs occasionnels ne pourraient pas visiter un magasin virtuel sans être identifiables de manière unique.

Alors, comment résoudre ce problème de confidentialité inhérent ?

Une approche consiste à occulter données de mouvement avant qu’il ne soit diffusé du matériel de l’utilisateur vers des serveurs externes. Malheureusement, cela signifie introduire du bruit. Cela pourrait protéger la vie privée des utilisateurs, mais cela réduirait également la précision des mouvements physiques adroits, compromettant ainsi les performances de l’utilisateur dans Beat Saber ou toute autre application nécessitant des compétences physiques. Pour de nombreux utilisateurs, cela ne vaut peut-être pas la peine de faire un compromis.

Une approche alternative consiste à adopter réglementation sensée cela empêcherait les plates-formes métaverses de stocker et d’analyser les données de mouvement humain au fil du temps. Une telle réglementation aiderait à protéger le public, mais elle serait difficile à appliquer et pourrait être repoussée par l’industrie.

Pour ces raisons, les chercheurs de Berkeley explorent des techniques défensives sophistiquées qui, espèrent-ils, masqueront les caractéristiques uniques des mouvements physiques sans dégrader la dextérité dans les mondes virtuels et augmentés.

En tant que fervent défenseur de protection des consommateurs dans le métaverse, j’encourage fortement le domaine à explorer toutes les approches en parallèle, y compris les solutions techniques et politiques.

La protection de la vie privée n’est pas seulement importante pour les utilisateurs, c’est important pour l’industrie dans son ensemble. Après tout, si les utilisateurs ne se sentent pas en sécurité dans le métaverse, ils peuvent être réticents à faire des environnements virtuels et augmentés une partie importante de leur vie numérique.

Dr Louis Rosenberg est PDG d’Unanimous AI, scientifique en chef de la Responsible Metaverse Alliance et conseiller technologique mondial de XRSI. Rosenberg est un conseiller de l’équipe qui a mené l’étude de Berkeley ci-dessus.