論文の概要: Tiny noise, big mistakes: Adversarial perturbations induce errors in
Brain-Computer Interface spellers
- arxiv url: http://arxiv.org/abs/2001.11569v4
- Date: Thu, 16 Jul 2020 23:14:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 12:46:50.869732
- Title: Tiny noise, big mistakes: Adversarial perturbations induce errors in
Brain-Computer Interface spellers
- Title(参考訳): ささいなノイズ、大きな間違い:脳-コンピュータインタフェーススペルの逆摂動はエラーを引き起こす
- Authors: Xiao Zhang, Dongrui Wu, Lieyun Ding, Hanbin Luo, Chin-Teng Lin,
Tzyy-Ping Jung, Ricardo Chavarriaga
- Abstract要約: 脳波(EEG)ベースの脳コンピュータインタフェース(BCI)スペルにより、ユーザは思考によってコンピュータにテキストを入力できる。
この研究は、初めて、P300と定常状態の視覚誘発電位BCIスペルが非常に脆弱であることを示した。
- 参考スコア(独自算出の注目度): 45.439697770189134
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An electroencephalogram (EEG) based brain-computer interface (BCI) speller
allows a user to input text to a computer by thought. It is particularly useful
to severely disabled individuals, e.g., amyotrophic lateral sclerosis patients,
who have no other effective means of communication with another person or a
computer. Most studies so far focused on making EEG-based BCI spellers faster
and more reliable; however, few have considered their security. This study, for
the first time, shows that P300 and steady-state visual evoked potential BCI
spellers are very vulnerable, i.e., they can be severely attacked by
adversarial perturbations, which are too tiny to be noticed when added to EEG
signals, but can mislead the spellers to spell anything the attacker wants. The
consequence could range from merely user frustration to severe misdiagnosis in
clinical applications. We hope our research can attract more attention to the
security of EEG-based BCI spellers, and more broadly, EEG-based BCIs, which has
received little attention before.
- Abstract(参考訳): 脳波(EEG)ベースの脳コンピュータインタフェース(BCI)スペルにより、ユーザは思考によってコンピュータにテキストを入力できる。
例えば筋萎縮性側索硬化症(amyotrophic lateral sclerosis)の患者は、他人やコンピュータとコミュニケーションする他の効果的な手段がない。
これまでの研究のほとんどは、EEGベースのBCIスペルを迅速かつ信頼性の高いものにすることに重点を置いている。
この研究は、初めてp300と定常的な視覚誘発電位bciのスペルが非常に脆弱であることを示します。
その結果は、単にユーザーのフラストレーションから、臨床応用における深刻な誤診まで様々である。
私たちは、私たちの研究が、eegベースのbciスペラー、そしてより広くeegベースのbcisのセキュリティにもっと注意を引けることを期待しています。
関連論文リスト
- Enhancing EEG-to-Text Decoding through Transferable Representations from
Pre-trained Contrastive EEG-Text Masked Autoencoder [73.94142233076079]
コントラスト型脳波テキストマスケード自動エンコーダ(CET-MAE)を提案する。
また、E2T-PTR(Pretrained Transferable Representationsを用いたEEG-to-Text decoding)と呼ばれるフレームワークを開発し、EEGシーケンスからテキストをデコードする。
論文 参考訳(メタデータ) (2024-02-27T11:45:21Z) - Sequential Best-Arm Identification with Application to Brain-Computer
Interface [34.87975833920409]
脳コンピュータインタフェース(BCI)は、脳と外部デバイスまたはコンピュータシステムとの直接通信を可能にする技術である。
脳波(EEG)と事象関連電位(ERP)に基づくスペルシステム(ERP)は、物理キーボードを使わずに単語をスペルできるBCIの一種である。
本稿では,固定信頼度設定と固定予算設定の下での逐次トップ2トンプソンサンプリング(STTS)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-05-17T18:49:44Z) - Adversarial Artifact Detection in EEG-Based Brain-Computer Interfaces [28.686844131216287]
機械学習は脳波(EEG)に基づく脳-コンピュータインターフェース(BCI)において大きな成功を収めた
近年の研究では、脳波に基づくBCIは敵の攻撃に弱いことが示されており、入力に小さな摂動が加えられると誤分類が生じる可能性がある。
本稿では,脳波によるBCIの逆検出を初めて検討する。
論文 参考訳(メタデータ) (2022-11-28T11:05:32Z) - Adversarial Stimuli: Attacking Brain-Computer Interfaces via Perturbed
Sensory Events [11.650381752104296]
脳波をベースとした運動画像(MI)を用いた脳神経インタフェースの実現可能性について,感覚刺激の摂動による検討を行った。
敵対的な例と同様に、これらの刺激は、BCIシステムの統合された脳感覚処理コンポーネントの限界を活用することを目的としている。
論文 参考訳(メタデータ) (2022-11-18T05:20:35Z) - Task-oriented Self-supervised Learning for Anomaly Detection in
Electroencephalography [51.45515911920534]
タスク指向型自己教師型学習手法を提案する。
大きなカーネルを持つ特定の2つの分岐畳み込みニューラルネットワークを特徴抽出器として設計する。
効果的に設計され、訓練された特徴抽出器は、より優れた特徴表現を脳波から抽出できることが示されている。
論文 参考訳(メタデータ) (2022-07-04T13:15:08Z) - Open Vocabulary Electroencephalography-To-Text Decoding and Zero-shot
Sentiment Classification [78.120927891455]
最先端のブレイン・トゥ・テキストシステムは、ニューラルネットワークを使用して脳信号から直接言語を復号することに成功した。
本稿では,自然読解課題における語彙的脳波(EEG)-テキスト列列列復号化とゼロショット文感性分類に問題を拡張する。
脳波-テキストデコーディングで40.1%のBLEU-1スコア、ゼロショット脳波に基づく3次感情分類で55.6%のF1スコアを達成し、教師付きベースラインを著しく上回る結果となった。
論文 参考訳(メタデータ) (2021-12-05T21:57:22Z) - EEG-Based Brain-Computer Interfaces Are Vulnerable to Backdoor Attacks [68.01125081367428]
近年の研究では、機械学習アルゴリズムは敵攻撃に弱いことが示されている。
本稿では,脳波をベースとしたBCIの毒殺攻撃に狭周期パルスを用いることを提案する。
論文 参考訳(メタデータ) (2020-10-30T20:49:42Z) - Emotion-robust EEG Classification for Motor Imagery [0.0]
脳コンピュータインタフェース(BCI)の開発は、補助システムでの使用を通じて、重度の物理的不安を持つ人々に権限を与えている。
これを達成するための一般的な方法は、脳信号を特定のコマンドのコードにマッピングするMotor Imagery (MI) である。
脳波は、非侵襲性を理由に脳信号を記録するのに好まれる。
この研究は、MI-BCIシステムをこのような感情的な摂動に耐性を持たせることを目的としている。
論文 参考訳(メタデータ) (2020-05-23T17:31:07Z) - EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies
on Signal Sensing Technologies and Computational Intelligence Approaches and
their Applications [65.32004302942218]
Brain-Computer Interface (BCI) はユーザとシステム間の強力なコミュニケーションツールである。
近年の技術進歩は、脳波(EEG)に基づく翻訳医療用BCIへの関心が高まっている。
論文 参考訳(メタデータ) (2020-01-28T10:36:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。