A-GE 利用细粒度运动数据实现无需身份信息的隐私保护年龄验证

该论文提出 A-GE（Age-Grounded Evidence）系统，旨在解决年龄验证中隐私与有效性之间的根本矛盾。该系统通过消费级惯性测量单元（IMU）捕捉细微的运动动态，假设这些动态反映了神经肌肉和生理过程，从而在不披露身份信息或政府证件的情况下推导年龄证据。实验在超过 600 名参与者上进行，模型开发与评估使用独立分组，在 16 岁最低年龄阈值下，系统准确率最高达 93.8%，且在不同配置下的 F1 分数相当。

技术细节显示，A-GE 支持跨设备部署，包括 Android、iOS 和 Web 平台，并能在约 60Hz 的网页传感采样率限制下运行。系统允许配置从 14 岁到 21 岁的最低年龄阈值，同时作者还分析了非预期属性推断和残留隐私风险，以表征从消费级运动数据中提取年龄证据的隐私收益与局限。文中未提及具体的微调方法名称或参数量，仅强调其适用于现有传感器采样率。

事实层面，该系统已验证在移动端和 Web 端的可行性及特定阈值下的性能指标；推断层面，这种基于行为生物特征的验证可能成为未来合规工具中替代传统 KYC 的选项；猜测层面，其实际落地效果将取决于不同人群运动模式的差异性及对抗性攻击的防御能力。