用户身份保护在基于EEG的大脑计算机接口中的用户身份保护

科学领域:

• 神经科学是一个神经科学.
• 计算机科学 计算机科学
• 信息安全 信息安全

背景情况:

• 大脑-计算机接口 (BCI) 利用电脑电图 (EEG) 信号来控制设备.
• EEG信号包含敏感的私人信息,包括用户身份.
• 目前的BCI研究优先考虑信号解码准确性而不是隐私.

研究的目的:

• 识别和解决与EEG数据中用户身份泄露相关的隐私风险.
• 开发新的技术来创建身份无法学习的EEG数据.
• 确保BCI的主要功能得到保留,同时增强用户隐私.

主要方法:

• 提出两种不同的方法来将原始EEG数据转换为身份无法学习的格式.
• 在七个不同的EEG数据集和五个BCI范例中评估这些方法的有效性.
• 在应用拟议的转换后,测量用户识别准确度的下降.

主要成果:

• 基于EEG的BCI用户识别精度显著下降,从平均70.01%降至最高21.36%.
• 提出的方法成功地从EEG数据中删除了用户特定的身份信息.
• 核心业绩的BCI任务在很大程度上没有受到保护隐私的转型的影响.

结论:

• 用户身份可以有效地从BCI中的EEG数据中学习,这引发了严重的隐私问题.
• 开发的方法提供了一个强大的解决方案,以减轻基于EEG的BCI中的身份泄露.
• 这些发现为更安全,更注重隐私的BCI应用铺平了道路.