論文の概要: Disguising Personal Identity Information in EEG Signals

• arxiv url: http://arxiv.org/abs/2010.08915v1
• Date: Sun, 18 Oct 2020 03:55:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-06 04:41:02.093988
• Title: Disguising Personal Identity Information in EEG Signals
• Title（参考訳）: 脳波信号における個人識別情報の探索
• Authors: Shiya Liu, Yue Yao, Chaoyue Xing, and Tom Gedeon
• Abstract要約: 本稿では,脳波信号の身元情報をダミーIDで偽装する手法を提案する。 元の脳波のアイデンティティ情報は、CycleGANベースの脳波測位モデルで偽の脳波に変換される。 モデルに制約を加えることで、脳波信号に対する関心の特徴を保存できる。
• 参考スコア（独自算出の注目度）: 6.9207437122916735
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is a need to protect the personal identity information in public EEG datasets. However, it is challenging to remove such information that has infinite classes (open set). We propose an approach to disguise the identity information in EEG signals with dummy identities, while preserving the key features. The dummy identities are obtained by applying grand average on EEG spectrums across the subjects within a group that have common attributes. The personal identity information in original EEGs are transformed into disguised ones with a CycleGANbased EEG disguising model. With the constraints added to the model, the features of interest in EEG signals can be preserved. We evaluate the model by performing classification tasks on both the original and the disguised EEG and compare the results. For evaluation, we also experiment with ResNet classifiers, which perform well especially on the identity recognition task with an accuracy of 98.4%. The results show that our EEG disguising model can hide about 90% of personal identity information and can preserve most of the other key features.
• Abstract（参考訳）: パブリックなEEGデータセットでは、個人識別情報を保護する必要がある。 しかし、無限クラス(開集合)を持つような情報を除去することは困難である。 鍵となる特徴を保ちながら,脳波信号の身元情報をダミーIDで偽装する手法を提案する。 ダミーの同一性は、共通の属性を持つグループ内の被験者全体の脳波スペクトルにグランド平均を適用することによって得られる。 元の脳波の個人識別情報は、サイクリングGANベースの脳波測位モデルで偽装されたものに変換される。 モデルに制約を加えることで、脳波信号に対する関心の特徴を保存できる。 そこで本研究では,脳波と偽脳波の両方の分類タスクを行い,結果の比較を行った。 評価のために、特に98.4%の精度でid認識タスクをうまく実行するresnet分類器についても実験を行った。 その結果,我々の脳波計測モデルでは,個人情報の約90%を隠蔽し,他の重要な特徴のほとんどを保存できることがわかった。

関連論文リスト

• ID$^3$: Identity-Preserving-yet-Diversified Diffusion Models for Synthetic Face Recognition [60.15830516741776]
  合成顔認識(SFR)は、実際の顔データの分布を模倣するデータセットを生成することを目的としている。 拡散燃料SFRモデルであるtextID3$を紹介します。 textID3$はID保存損失を利用して、多様だがアイデンティティに一貫性のある顔の外観を生成する。
  論文  参考訳（メタデータ） (2024-09-26T06:46:40Z)
• SIG: A Synthetic Identity Generation Pipeline for Generating Evaluation Datasets for Face Recognition [0.0]
  我々は、顔認識評価のための倫理的バランスの取れたデータセットをターゲットとするSIG(Synthetic Identity Generation Pipeline)を導入する。 我々のパイプラインは、人種、性別、年齢など、制御可能なポーズ、顔の特徴、人口特性を持つ合成アイデンティティの高品質な画像を生成する。 また、人種、性別、年齢間でバランスのとれた3,336のユニークな合成アイデンティティの10,008の顔画像からなる、ControlFace10kというオープンソースの評価データセットもリリースしました。
  論文  参考訳（メタデータ） (2024-09-12T18:18:02Z)
• ECG Unveiled: Analysis of Client Re-identification Risks in Real-World ECG Datasets [3.5393407453410846]
  実世界の5つのデータセットのECGデータを用いて,識別再識別リスクの実証分析を行った。 本手法は,臨床専門家に貴重な知見を提供し,効果的なプライバシ保護機構の開発を導くものである。
  論文  参考訳（メタデータ） (2024-08-02T19:24:55Z)
• EEG decoding with conditional identification information [7.873458431535408]
  脳波信号を復号することは、人間の脳を解き放ち、脳とコンピュータのインターフェースを進化させるのに不可欠である。 従来の機械学習アルゴリズムは、高ノイズレベルと脳波信号の個人間変動によって妨げられている。 ディープニューラルネットワーク(DNN)の最近の進歩は、その高度な非線形モデリング能力のために、将来性を示している。
  論文  参考訳（メタデータ） (2024-03-21T13:38:59Z)
• CSLP-AE: A Contrastive Split-Latent Permutation Autoencoder Framework for Zero-Shot Electroencephalography Signal Conversion [49.1574468325115]
  脳波分析の鍵となる目的は、基礎となる神経活動(コンテンツ)を抽出し、個体の変動(スタイル)を考慮することである。 近年の音声変換技術の発展に触発されて,脳波変換を直接最適化するCSLP-AEフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-13T22:46:43Z)
• Inter Subject Emotion Recognition Using Spatio-Temporal Features From EEG Signal [4.316570025748204]
  この研究は、脳波信号から感情を独立して分類する、簡単に実装できる感情認識モデルに関するものである。 このモデルは、感情を分類するために、CNNの正規層、深さ層、分離可能な畳み込み層の組み合わせである。 精度は73.04%だった。
  論文  参考訳（メタデータ） (2023-05-27T07:43:19Z)
• Disentangling Identity and Pose for Facial Expression Recognition [54.50747989860957]
  より識別的な特徴表現を学習するために,識別モデルを提案し,不整形表情認識(IPD-FER)モデルを提案する。 アイデンティティエンコーダでは、訓練中に訓練済みの顔認識モデルを利用して固定し、特定の表情訓練データに対する制限を軽減する。 合成された中性画像と同一個体の表情画像との差を比較することにより、表現成分はアイデンティティやポーズからさらに切り離される。
  論文  参考訳（メタデータ） (2022-08-17T06:48:13Z)
• EEG2Vec: Learning Affective EEG Representations via Variational Autoencoders [27.3162026528455]
  我々は、感情的な刺激に反応して、潜在ベクトル空間におけるニューラルデータを表現することが、両方の感情状態を予測するのに役立つかどうかを考察する。 脳波データから生成的識別的表現を学習するための条件付き変分オートエンコーダベースのフレームワークであるEEG2Vecを提案する。
  論文  参考訳（メタデータ） (2022-07-16T19:25:29Z)
• RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
  我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。 以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-01-13T06:30:56Z)
• Inductive Biased Estimation: Learning Generalizations for Identity Transfer [64.4487809928537]
  本稿では、適切な一般化の学習を促すために、Errors-in-Variables Adapter (EVA)モデルを提案する。 ポーズ,表現,背景要因の観点で,対象の顔と対象の状況とをよりよく一致させるため,対象の状況が対象の身元に及ぼす影響をモデル化する。
  論文  参考訳（メタデータ） (2021-10-04T17:10:30Z)
• A Novel Transferability Attention Neural Network Model for EEG Emotion Recognition [51.203579838210885]
  脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。 TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。 これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
  論文  参考訳（メタデータ） (2020-09-21T02:42:30Z)

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。