就像是手机解锁方式从密码到面部识别的演化，未来如果人手一台VR头显，那么一种能确保私密性、安全性的账号解锁和认证方式则十分重要。目前，市面上常被讨论的VR解锁方式包括眼球、面部识别等生物识别方案。但考虑到生物识别依赖于较昂贵的传感器，大部分VR头显并不配备眼球识别功能。
尽管如此，目前市面上的6DoF头显追踪和6DoF手柄追踪准确性已经足够好，可有效识别身高、臂长等信息，作为用户的生物识别信息。
近期，斯坦福科研人员提出了一种通过识别躯体动作来验证用户身份的方案，它的特点是只需要小部分VR姿态追踪数据，就能根据追踪到的动作来识别用户身份。在一场551人组成的实验中，该方案的识别准确率最高可达95%，每人不到5分钟即可完成识别。即使算法训练时间从5分钟降低至1分钟，准确率也能高达75%。
在实验中，参与者需要在VR中观看一些全景视频，并回答调查问卷，在这一过程中识别到的姿态追踪数据将通过三个机器学习算法来处理，该算法适用于多种场景，无需根据场景切换而重新训练。算法识别身份所需的数据包括VR头显距离地面的高度（使用者的身高）、使用者的姿态、头显的外形参数、静止时手柄的位置（放松时手臂长度）等。
实验结果显示，大多数参与者在放松看视频时动作几乎保持一致，不会走来走去。
细节方面，这些实验参与者覆盖了多个年龄层，包括从13岁到65岁以上的人群。这群人分别包括大学生和参观科技博物馆的游客，是一群对科技比较熟悉或感兴趣的人。为了从参与者身上捕捉更精准的数据，科研人员为他们播放全景视频，参与者只需要观看视频，无需做出特定的动作，因此每个人做出的动作都不一样。
科研人员指出，人躯体的移动可反映出身体健康状况、心理情况，而且每个人的动作习惯都有所不同，比如55岁以上参与者的动作规律就与普通的大学生参与者有所不同。因此可以根据不同人的动作数据来训练算法，用于身份认证。身体追踪数据的规律可跟注意力不集中、自闭症、创伤后应激障碍等身体状况有关，甚至通过这些动作数据，还可能识别老年痴呆。在实验中，科研人员设定了一系列日常场景，参与者可以放松的自由移动，因此追踪识别准确性更高。
目前，科研人员完成的实验基于6DoF手柄数据，而用3DoF手柄数据来识别参与者身份的准确率则小得多，仅19.5%，但并不是完全不能识别。
未来，他们计划通过姿态数据来推断性别、年龄或是VR内容，并探索保护姿态数据隐私的更多方法。
关于隐私安全
通常，姿态数据并不会被认为具有识别信息，但斯坦福大学的研究实验希望将这种动作数据进行分类，未来或许可以作为识别个人信息的生物识别数据。
斯坦福学者发现，如果可以从姿态数据中识别身份信息，那么即使没有人名信息，这些基础数据也并不能保证隐私性。当前Facebook和HTC等平台承诺仅与合作伙伴匿名分享VR追踪数据，那么从斯坦福的研究来看，VR追踪数据实际上具备生物识别信息一样的可识别性。甚至有些公司或许还能通过运动数据的特质来匹配个人数据，通过匹配Facebook账号，甚至还能识别出用户的真实姓名。
斯坦福大学的研究表明，尽管Facebook是推动该技术发展的最大数据公司之一：借助VR和AR技术，数据采集达到了一个新的维度， 需要自己的规则。随着虚拟现实的兴起，人体跟踪数据变得前所未有的准确和丰富。 该追踪数据有很多很好的用途，但也可能被滥用。” “这项工作表明，即使在大样本中，在日常VR体验运动数据也是一种重要的人体数据，因此鼓励研究团体探索保护VR跟踪数据的方法，包括准则，用户行为，行业准则等。”
总之，VR硬件和软件厂商需要注意用户的姿态数据安全性，尤其是在5G云XR串流服务运行时，需要确保数据传输的安全隐私性。斯坦福科研人员表示：可通过规定、用户行为、行业标准等多种方式来保护姿态数据。
可以肯定的是，面对不久可能会有数百万个VR用户的情况，500个用户是一个相对较小的数据集。而且，当这个数字增加时，通过动作数据识别身份的准确性有望进一步提升。但未来，这些技术可能也会作为个人资料来保存。而眼动追踪，嘴唇追踪以及健身腕带和智能手表等集成可穿戴设备能在下一代消费者VR头显中实现，甚至可能是填补剩余5％准确率的下一步。
因此，与丰富的信息形成对比，用什么账户登录VR已经不是最严重的问题。企业可以收集经过身份识别的生物识别数据，不仅可以弄清楚你是谁，还可以预测你的习惯，用于开发吸引你的注意力的营销内容。随着VR用户数量的增加，获得个人动作数据访问权的价值也越来越大。
