桥接隐私与实用性：约束实用函数合成匿名化的脑电图
机器学习
2025-09-26 v1 密码学与安全
摘要
脑电图（EEG）广泛用于记录脑部活动，在机器学习中已有许多应用，如检测睡眠阶段和神经疾病。几项研究已成功表明，EEG数据可用于重新识别和泄露其他个人信息。因此，日益增长的EEG消费设备的可用性引发了用户隐私的关注，这促使我们调查如何在保留EEG应用实用性的同时保护这类敏感数据。为解决这一挑战，我们提出一种基于转换器的自编码器，用于创建不允许主体重新识别的EEG数据，同时仍保留其针对特定机器学习任务的实用性。我们将方法应用于自动睡眠分期，通过评估匿名化前后EEG数据的重新识别和实用性潜力。结果表明，EEG信号的可重新识别性可显著降低，同时保留其机器学习实用性。
关键词
引用
@article{arxiv.2509.20454,
title = {Bridging Privacy and Utility: Synthesizing anonymized EEG with constraining utility functions},
author = {Kay Fuhrmeister and Arne Pelzer and Fabian Radke and Julia Lechinger and Mahzad Gharleghi and Thomas Köllmer and Insa Wolf},
journal= {arXiv preprint arXiv:2509.20454},
year = {2025}
}