注视轨迹可推断兴趣、认知与健康状态
别名: 眼动隐私 · 注视推断 · eye-tracking inference
概念解释
一条足够密的注视轨迹不只告诉系统“光标在哪”。扫视路径、注视时长、瞳孔直径和眨眼节律可以用来推断：对什么感兴趣、阅读是否吃力、认知负荷高不高、是否困倦、是否可能存在某些神经或精神方面的变化。Liebling 与 Preibusch 以及后来的眼动隐私综述把这类数据标为高敏感：它在用户以为自己只是在看的时候，采集的是认知和身体状态。这与把注视当作隐性注意测量来改界面不是同一件事——后者问怎么用，这里问数据本身能泄露什么。
机制
注视时长和回视模式与加工深度相关；瞳孔在控制照明之后仍随负荷、情绪唤起和某些药物变化；扫描路径对一个人来说相对稳定，有当生物特征的潜力。健康方面，平滑追踪质量、扫视速度、注视稳定已被用于辅助观察帕金森、注意缺陷、脑损伤后的变化——这些用途在临床上有意义，也就意味着同一传感器在消费设备里可能采到同类信号。用户无法像遮住摄像头那样轻易“不看”；只要眼睛睁着并面对追踪器，样本就在产生。
推断不必准确到诊断级别才构成风险。广告侧的“这一段让瞳孔放大了”、职场侧的“这段时间在走神”，即使错误率很高，仍会被当成决策依据。敏感来自可被当作依据，不来自推断已经医学上成立。
怎么研究
攻击型研究尝试从轨迹恢复：看过的图像内容、被注视的人物身份、阅读的文本主题、疲劳或负荷的二分类。防御型研究测量哪些特征（原始坐标、热图、AOI 时长、瞳孔）在去标识之后仍能再识别个体。 Kröger、Lutz 与 Müller 的综述把可推断属性列成清单，是做威胁建模的起点。 实验室里的“能推断”不等于产品里已经在推断；要把模型能力、数据留存和实际接入方分开写。用学生观看公开图片的实验，会低估对病历、工资单、儿童面孔的轨迹有多敏感。
边界
采样率极低、只输出“是否在看屏幕”的存在检测，泄露面窄得多。反之，消费级头显一旦带上瞳孔直径和高频坐标，敏感性接近研究用眼动仪。法律上眼动在部分司法辖区可落入生物特征或健康数据，不能只按“输入坐标”来分类。残障用户的眼动模式本身可能暴露诊断，匿名化热图不一定洗得掉。儿童无法有效理解这类推断，采集阈值应更高。
怎么落地
- 在威胁模型里把眼动写成可推断兴趣、负荷与健康信号的传感器，而不是普通指针。
- 默认不采集瞳孔直径和原始高频轨迹，除非功能明确需要；需要时在本地算完派生量再上传。
- 验证：列出实际存储的字段，对照一份推断清单，确认没有功能用不到却能支持健康或身份推断的原始量。