論文の概要: Adversarial Stimuli: Attacking Brain-Computer Interfaces via Perturbed Sensory Events

• arxiv url: http://arxiv.org/abs/2211.10033v1
• Date: Fri, 18 Nov 2022 05:20:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 16:03:30.944100
• Title: Adversarial Stimuli: Attacking Brain-Computer Interfaces via Perturbed Sensory Events
• Title（参考訳）: 対人刺激:摂動感覚イベントによる脳-コンピュータインタフェースの攻撃
• Authors: Bibek Upadhayay and Vahid Behzadan
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 11.650381752104296
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine learning models are known to be vulnerable to adversarial perturbations in the input domain, causing incorrect predictions. Inspired by this phenomenon, we explore the feasibility of manipulating EEG-based Motor Imagery (MI) Brain Computer Interfaces (BCIs) via perturbations in sensory stimuli. Similar to adversarial examples, these \emph{adversarial stimuli} aim to exploit the limitations of the integrated brain-sensor-processing components of the BCI system in handling shifts in participants' response to changes in sensory stimuli. This paper proposes adversarial stimuli as an attack vector against BCIs, and reports the findings of preliminary experiments on the impact of visual adversarial stimuli on the integrity of EEG-based MI BCIs. Our findings suggest that minor adversarial stimuli can significantly deteriorate the performance of MI BCIs across all participants (p=0.0003). Additionally, our results indicate that such attacks are more effective in conditions with induced stress.
• Abstract（参考訳）: 機械学習モデルは入力領域の敵の摂動に弱いことが知られており、誤った予測を引き起こす。 この現象にインスパイアされた我々は、感覚刺激の摂動を通して脳波ベースの運動画像(MI)脳コンピュータインタフェース(BCI)を操作する可能性を探る。 敵の例と同様に、これらのemph{adversarial stimuliは、感覚刺激の変化に対する参加者の反応の変化に対処するために、BCIシステムの統合脳感覚処理成分の限界を活用することを目的としている。 本稿では、BCIに対する攻撃ベクトルとしての対人刺激を提案し、脳波に基づくMI BCIの完全性に対する視覚対人刺激の影響に関する予備実験の結果を報告する。 以上の結果より, 逆行性副腎皮質刺激は全症例でMI BCIを有意に低下させる可能性が示唆された(p=0.0003)。 さらに,このような攻撃はストレスを伴う状況においてより効果的であることが示唆された。

関連論文リスト

• A Supervised Information Enhanced Multi-Granularity Contrastive Learning Framework for EEG Based Emotion Recognition [14.199298112101802]
  本研究では,脳波に基づく感情認識(SICLEER, Supervised Info-enhanced Contrastive Learning)のための新しいコントラスト学習フレームワークを提案する。 自己教師付きコントラスト学習損失と教師付き分類損失を組み合わせた共同学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-12T11:51:00Z)
• Robust EEG-based Emotion Recognition Using an Inception and Two-sided Perturbation Model [0.46040036610482665]
  Inception機能ジェネレータと2側摂動(INC-TSP)アプローチを提案し,脳-コンピュータインタフェースにおける感情認識を強化する。 INC-TSPは、脳波データ分析のためのインセプションモジュールを統合し、入力摂動に対する防御メカニズムとして双方向摂動(TSP)を使用している。 被験者に依存しない3クラス感情認識シナリオにおいて,INC-TSPの有効性を実証した。
  論文  参考訳（メタデータ） (2024-04-21T07:54:43Z)
• Investigating Human-Identifiable Features Hidden in Adversarial Perturbations [54.39726653562144]
  我々の研究では、最大5つの攻撃アルゴリズムを3つのデータセットにわたって探索する。 対人摂動における人間の識別可能な特徴を同定する。 画素レベルのアノテーションを用いて、そのような特徴を抽出し、ターゲットモデルに妥協する能力を実証する。
  論文  参考訳（メタデータ） (2023-09-28T22:31:29Z)
• Functional Graph Contrastive Learning of Hyperscanning EEG Reveals Emotional Contagion Evoked by Stereotype-Based Stressors [1.8925617030516924]
  本研究では,女性ペア間の協調的問題解決作業におけるステレオタイプベースストレス(SBS)の文脈に焦点を当てた。 本研究は、感情伝染の解明を通じて、その基盤となるメカニズムと効果を明らかにすることを目的とする。
  論文  参考訳（メタデータ） (2023-08-22T09:04:14Z)
• Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
  慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。 この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。 我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。 本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
  論文  参考訳（メタデータ） (2022-12-20T12:56:28Z)
• 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)
• Application of Adversarial Examples to Physical ECG Signals [0.0]
  本稿では,心電図(ECG)のビート・バイ・ビート分類システムに特化して調整された逆行性ビートについて紹介する。 まず,ECG分類ニューラルネットワークモデルの逆例を生成するアルゴリズムを定式化し,その攻撃成功率について検討する。 次に、敵のビートをECGセンサの読み取りに注入する悪意のある信号発生器を設計し、ハードウェア攻撃をマウントする。
  論文  参考訳（メタデータ） (2021-08-20T02:30:17Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• 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)
• 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)
• 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。