基于脑电图的脑机接口易受后门攻击
密码学与安全
2023-05-04 v2 人机交互
机器学习
信号处理
摘要
基于脑电图（EEG）的脑机接口（BCI）的研究与开发进展迅速，部分原因在于对大脑的深入理解以及广泛采用复杂的机器学习方法来解码脑电信号。然而，近期研究表明机器学习算法易受对抗攻击。本文提出使用窄周期脉冲对基于EEG的BCI进行投毒攻击，该方法在实践中可实现且此前从未被考虑过。通过在训练集中注入投毒样本，可在机器学习模型中创建危险的后门。带有后门密钥的测试样本随后将被分类到攻击者指定的目标类别。我们的方法与以往方法的最大区别在于，后门密钥无需与EEG试次同步，使其非常易于实现。我们证明了该后门攻击方法的有效性与鲁棒性，凸显了基于EEG的BCI的一个关键安全问题，并呼吁紧急关注以解决该问题。
引用
@article{arxiv.2011.00101,
title = {EEG-Based Brain-Computer Interfaces Are Vulnerable to Backdoor Attacks},
author = {Lubin Meng and Jian Huang and Zhigang Zeng and Xue Jiang and Shan Yu and Tzyy-Ping Jung and Chin-Teng Lin and Ricardo Chavarriaga and Dongrui Wu},
journal= {arXiv preprint arXiv:2011.00101},
year = {2023}
}