筹办团队在发布筹办效能前照旧向Meta和Varjo进行了舛误走漏

（映维网Nweon 2026年06月01日）好意思国弗吉尼亚理工大学的一项最新筹办发现，坏心应用不错诳骗主流VR头显中的动态注目点渲染功能和老例性能目的，在不调用眼动跟踪API的情况下，反推出用户的视野位置。这一蜿蜒方式不错绕过面前主流的眼动数据秘籍保护机制，给用户带来潜在的秘籍风险。

动态注目点渲染是一种常见的GPU优化技能：系统把柄用户面前的视野所在，对注目点区域（中心凹）以高分离率、高作色率渲染，同期对外围裁汰渲染质地，从而减少GPU负载。

筹办东谈主员发现，由于注目点区域渲染资本更高，当一个“高资本对象”（HCO）扫过用户视场时，如若它恰巧落在注目点区域，就会引起GPU责任负载的明显波动。这种波动不错通过游戏引擎公开的每帧性能目的（如帧率、帧时间）被应用才智拿获。

蜿蜒者贪图透明HCO以水平或垂直所在反复扫描用户视场，同期记载每帧的性能目的和HCO的位置。通过离线分析，找到目的波动最大（或最小）的时刻，并将其对应到HCO的扫描位置，即可想到出用户在该时刻的视野坐标，全程无需拜访眼动跟踪API。

筹办团队在三种平台上竣事了好意思满的蜿蜒管谈：

Meta Quest Pro（Unity引擎）：平均角度过失水平所在约4.36°，垂直所在约2.88°。

Varjo XR-4（Unreal引擎）：过失约3.98°（水平）和3.24°（垂直）。

桌面平台（Godot引擎，模拟注目点渲染）：过失约1.23°（水平）和0.96°（垂直）。

过失限制与典型VR眼动跟踪器自身的噪点水平（约2–3°）十分。在用户筹办中，参与者并未察觉蜿蜒的存在，视觉质地和伪影评分与普通初始无显耀相反，施展蜿蜒具有简易的掩盖性。

眼动跟踪数据自己大略反应用户的医疗情状、情谊状态、个性特征、兴味偏好等明锐信息。即使只好低频率的视野数据，也足以判断用户在场景中合手续眷注哪些对象或区域。

蜿蜒者不错通过在VR应用中植入上述扫描逻辑，想到用户对特定告白、头像、健康请示或政事性本色的留心力分散，雨燕直播进而进行定向告白、画像分析致使垂钓蜿蜒。举例，若用户在“债务减免”有关请示上注目时间荒谬延迟，应用可能想到其有财务恐忧，并可推送印子钱告白。

值得一提的是，团队示意肤浅统计检测即可有用阻抑。

他们贪图了两种轻量级检测器，用于识别正在进行的扫描蜿蜒：

有监督逻辑归来：诳骗标记数据本质，F1值达0.93。

无监督K-means聚类：无需标记，仅基于性能目的的表率差和荒谬值比例，在时间窗口超过扫描时间（如1秒）时，F1值可达0.99。

实验标明，这些检测器在VR和桌面平台均能有用责任。团队同期商榷了通过启用垂直同步或东谈主为周期性调制GPU负载等招架妙技，进一步加多蜿蜒难度的可能性。

值得一提的是，筹办团队在发布筹办效能前照旧向Meta和Varjo进行了舛误走漏，Varjo回答称，其产物面向企业及筹市集景，用户常常清楚眼动数据被记载且可通过API赢得，不相宜其安全威迫模子。Meta已说明舛误，但尚未公布具体叮属治安。

有关论文：EyeSpy: Inferring Eye Gaze via Side-Channel Attacks Against Foveated Rendering

筹办东谈主员示意，这项筹办的核情意旨在于揭示：即便系统适度或十足禁用眼动跟踪API，只消DFR和性能目的通谈保合手灵通，视野信息仍可能通过侧信谈流露。是以，单纯的权限门控不及以保护视野秘籍雨燕直播，需要从渲染管谈和目的浮现层面贪图更全面的留心政策。