一个基于EEG特征的数据安全方案,用于人体区域网络
Tong Bai1, Yuhao Jiang1, Jiazhang Yang2
1School of Optoelectronic Engineering, Chongqing University of Posts and Telecommunications, Chongqing, China.
Frontiers in neuroscience
|June 5, 2023
概括
这项研究引入了一种新的数据加密方法,用于使用脑电图 (EEG) 信号和线性反转移寄存器 (LFSR) 的身体区域网络 (BAN). 该技术通过确保数据传输的高随机性和低复杂性来提高远程医疗的安全性.
科学领域:
- 生物医学工程 生物医学工程
- 网络安全 网络安全
- 信号处理 信号处理
背景情况:
- 身体区域网络 (BAN) 对远程医疗至关重要,使无线可穿戴设备成为可能.
- BAN数据的安全性是一个重大挑战,阻碍了在医疗保健中的广泛采用.
- 现有的安全措施在实际,现实世界的远程医疗应用中往往不足.
研究的目的:
- 为身体区域网络 (BAN) 提出一个强大的数据加密方法.
- 解决远程医疗应用中数据安全的关键问题.
- 提高无线可穿戴设备网络的可靠性和可信度.
主要方法:
- 使用波束包转换提取了脑电图 (EEG) 信号特征.
- 使用消息消化算法5 (MD5) 具有EEG功能,用于随机键生成.
- 使用线性反转移寄存器 (LFSR) 来生成数据加密的流密钥.
主要成果:
- 在数据加密前后实现了非常低的相关系数.
- 证明攻击者在从纯文本中提取统计特征时面临重大困难.
- 通过实验性评估验证了拟议的基于EEG的安全方案的有效性.
结论:
- 拟议的基于EEG的加密方法为BAN数据安全提供了高随机性.
- 该方案具有较低的计算复杂性,因此适用于资源有限的可穿戴设备.
- 这种方法为远程医疗和BAN系统中保护敏感数据提供了有希望的解决方案.
