基于 EEG 的脑机接口中的用户身份保护
人机交互
2024-12-16 v1 密码学与安全
信号处理
摘要
脑机接口（BCI）在大脑和外部设备之间建立了直接的通信通道。脑电图（EEG）因其便利性和低成本而是 BCIs 中最流行的输入信号。大多数关于基于 EEG 的 BCIs 的研究专注于准确解码 EEG 信号；然而，EEG 信号还包含丰富的私人信息，如用户身份、情绪等，这些信息应得到保护。本文首先揭示了基于 EEG 的 BCIs 中的一个严重隐私问题，即 EEG 数据中的用户身份容易被学习，从而将来自同一用户的不同会话的 EEG 数据关联起来，以更可靠地挖掘私人信息。为解决此问题，我们进一步提出了两种方法，将原始 EEG 数据转换为不可被学习的身份信息的 EEG 数据，即在保持主要 BCI 任务性能的同时删除用户身份信息。在来自五个不同 BCI 范式的七个 EEG 数据集上的实验表明，平均而言，生成的不可被学习的 EEG 数据可将用户识别准确率从 70.01% 降低至最高可达 21.36%，大大促进了基于 EEG 的 BCIs 中的用户隐私保护。
引用
@article{arxiv.2412.09854,
title = {User Identity Protection in EEG-based Brain-Computer Interfaces},
author = {L. Meng and X. Jiang and J. Huang and W. Li and H. Luo and D. Wu},
journal= {arXiv preprint arXiv:2412.09854},
year = {2024}
}