Die Konvergenz von künstlicher Intelligenz (KI) und Extended Reality-Technologien (KI-XR) verspricht innovative Anwendungen in zahlreichen Bereichen. Allerdings wirft die sensible Natur der in diesen Systemen verwendeten Daten (z. B. Augenverfolgung) erhebliche Datenschutzbedenken auf, da Angreifer diese Daten und Modelle ausnutzen können, um persönliche Informationen durch Mitgliedschaftsinferenzangriffe (MIA) und Re-Identifikationsangriffe (RDA) mit hoher Erfolgsrate zu erschließen. Forscher haben verschiedene Techniken zur Abwehr solcher Datenschutzangriffe vorgeschlagen, darunter die differenzielle Privatsphäre (DP). Allerdings enthalten KI-XR-Datensätze häufig zahlreiche Merkmale, und die gleichmäßige Anwendung von DP kann unnötigen Rauschen für weniger relevante Merkmale hinzufügen, die Modellgenauigkeit verschlechtern und die Inferenzzeit erhöhen, was die Echtzeit-Implementierung in XR-Systemen einschränkt. Aus diesem Anlass stellen wir einen neuartigen Rahmen vor, der erklärbare KI (XAI) und DP-basierte Datenschutzmechanismen kombiniert, um Datenschutzangriffe zu bekämpfen. Konkret nutzen wir nachträgliche Erklärungen, um die einflussreichsten Merkmale in KI-XR-Modellen zu identifizieren, und wenden DP selektiv auf diese Merkmale während der Inferenz an. Wir evaluieren unseren XAI-gesteuerten DP-Ansatz an drei state-of-the-art-KI-XR-Modellen und drei Datensätzen: Cybersickness, Emotionserkennung und Aktivitätsklassifikation. Unsere Ergebnisse zeigen, dass die vorgeschlagene Methode die Erfolgsraten von MIA und RDA bei Cybersickness-Aufgaben um bis zu 43 % bzw. 39 % reduziert, während die Modellnutzbarkeit mit bis zu 97 % Genauigkeit bei Verwendung von Transformer-Modellen erhalten bleibt. Zudem verbessert der Ansatz die Inferenzzeit um bis zu etwa 2-fach im Vergleich zu herkömmlichen DP-Methoden. Um die Praktikabilität zu demonstrieren, implementieren wir die XAI-gesteuerten DP-KI-XR-Modelle auf einem HTC VIVE Pro-Headset und entwickeln eine Benutzeroberfläche (UI), namens PrivateXR, die es Nutzern ermöglicht, ihre Datenschutzeinstellungen (z. B. niedrig, mittel, hoch) anzupassen und gleichzeitig Echtzeit-Vorhersagen für Aufgaben zu erhalten, wodurch die Privatsphäre der Nutzer während XR-Spielszenarien geschützt wird.