論文の概要: Protecting Multiple Types of Privacy Simultaneously in EEG-based Brain-Computer Interfaces
- arxiv url: http://arxiv.org/abs/2411.19498v1
- Date: Fri, 29 Nov 2024 06:33:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-02 15:21:27.287193
- Title: Protecting Multiple Types of Privacy Simultaneously in EEG-based Brain-Computer Interfaces
- Title(参考訳): 脳波を用いた脳-コンピュータインタフェースにおける複数種類のプライバシの同時保護
- Authors: Lubin Meng, Xue Jiang, Tianwang Jia, Dongrui Wu,
- Abstract要約: 脳コンピュータインタフェース(BCI)は、脳と外部デバイスとの直接通信を可能にする。
脳波は、その利便性と低コストのため、非侵襲的BCIにおいて好ましい入力信号である。
脳波信号は本質的に豊かな個人情報を持ち、プライバシー保護を必要とする。
- 参考スコア(独自算出の注目度): 17.24882553037956
- License:
- Abstract: A brain-computer interface (BCI) enables direct communication between the brain and an external device. Electroencephalogram (EEG) is the preferred input signal in non-invasive BCIs, due to its convenience and low cost. EEG-based BCIs have been successfully used in many applications, such as neurological rehabilitation, text input, games, and so on. However, EEG signals inherently carry rich personal information, necessitating privacy protection. This paper demonstrates that multiple types of private information (user identity, gender, and BCI-experience) can be easily inferred from EEG data, imposing a serious privacy threat to BCIs. To address this issue, we design perturbations to convert the original EEG data into privacy-protected EEG data, which conceal the private information while maintaining the primary BCI task performance. Experimental results demonstrated that the privacy-protected EEG data can significantly reduce the classification accuracy of user identity, gender and BCI-experience, but almost do not affect at all the classification accuracy of the primary BCI task, enabling user privacy protection in EEG-based BCIs.
- Abstract(参考訳): 脳コンピュータインタフェース(BCI)は、脳と外部デバイスとの直接通信を可能にする。
電気脳波(EEG)は非侵襲的BCIにおいて、その利便性と低コストのために好まれる入力信号である。
脳波ベースのBCIは、神経学的リハビリテーション、テキスト入力、ゲームなど、多くの応用で成功している。
しかし、脳波信号は本質的に豊かな個人情報を持ち、プライバシー保護を必要とする。
本稿では、脳波データから複数の個人情報(ユーザアイデンティティ、性別、BCI経験)を容易に推測できることを示し、BCIに対する深刻なプライバシー上の脅威を示唆する。
この問題に対処するため,我々は,元の脳波データをプライバシ保護された脳波データに変換し,主要なBCIタスク性能を維持しながら個人情報を隠蔽する摂動を設計する。
実験により、プライバシ保護された脳波データは、ユーザのアイデンティティ、性別、BCI経験の分類精度を著しく低下させるが、主要なBCIタスクの分類精度にはほとんど影響を与えず、EEGベースのBCIにおけるユーザのプライバシ保護を可能にすることが示された。
関連論文リスト
- Accurate, Robust and Privacy-Preserving Brain-Computer Interface Decoding [15.550334083917935]
EEGベースの脳コンピュータインタフェース(BCI)は、脳と外部デバイス間の直接通信を可能にする。
EEGベースのBCIは、データ不足と個人差、敵対的脆弱性、データプライバシという、現実世界のアプリケーションで少なくとも3つの大きな課題に直面しています。
EEGベースのBCIにおける3つの大きな課題が同時に対処できるのは今回が初めてであり、現実のBCIにおけるEEGデコーディングの実践性を大幅に改善する。
論文 参考訳(メタデータ) (2024-12-16T02:37:38Z) - User Identity Protection in EEG-based Brain-Computer Interfaces [0.0]
脳コンピュータインタフェース(BCI)は、脳と外部デバイスとの間の直接的な通信経路を確立する。
EEGはBCIで最も一般的な入力信号であり、その利便性と低コストのためである。
EEG信号には、保護されるべきユーザーアイデンティティ、感情など、豊富なプライベート情報も含まれている。
論文 参考訳(メタデータ) (2024-12-13T04:48:33Z) - Adversarial Filtering Based Evasion and Backdoor Attacks to EEG-Based Brain-Computer Interfaces [16.426546510800335]
脳コンピュータインタフェース(BCI)は、脳と外部デバイスとの直接通信を可能にする。
近年の研究では、BCIの機械学習モデルは敵の攻撃に弱いことが示されている。
本稿では,EEGベースのBCIに対する逆フィルタリングに基づく回避とバックドアアタックを提案する。
論文 参考訳(メタデータ) (2024-12-10T06:42:46Z) - Federated Motor Imagery Classification for Privacy-Preserving Brain-Computer Interfaces [14.251784648413276]
本稿では,バッチ固有のバッチ正規化とシャープネス認識の最小化によるフェデレーション分類を提案する。
FedBSはユーザのEEGデータのプライバシを保護し、複数のBCIユーザが大規模な機械学習モデルトレーニングに参加することを可能にする。
論文 参考訳(メタデータ) (2024-12-02T03:35:27Z) - User-wise Perturbations for User Identity Protection in EEG-Based BCIs [18.96849505757419]
ユーザによる摂動を追加することで、EEG内のアイデンティティ情報を学習不能にできることを示す。
提案した摂動を脳波トレーニングデータに追加すると、BCIタスク情報が影響を受けないまま、データのユーザ識別情報が学習不能になる。
論文 参考訳(メタデータ) (2024-11-04T14:17:22Z) - How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。
プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
論文 参考訳(メタデータ) (2022-11-18T11:39:03Z) - 2021 BEETL Competition: Advancing Transfer Learning for Subject
Independence & Heterogenous EEG Data Sets [89.84774119537087]
我々は、診断とBCI(Brain-Computer-Interface)に関する2つの伝達学習課題を設計する。
第1タスクは、患者全体にわたる自動睡眠ステージアノテーションに対処する医療診断に重点を置いている。
タスク2はBrain-Computer Interface (BCI)に集中しており、被験者とデータセットの両方にわたる運動画像のデコードに対処する。
論文 参考訳(メタデータ) (2022-02-14T12:12:20Z) - 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) - Uncovering the structure of clinical EEG signals with self-supervised
learning [64.4754948595556]
教師付き学習パラダイムは、しばしば利用可能なラベル付きデータの量によって制限される。
この現象は脳波(EEG)などの臨床関連データに特に問題となる。
ラベルのないデータから情報を抽出することで、ディープニューラルネットワークとの競合性能に到達することができるかもしれない。
論文 参考訳(メタデータ) (2020-07-31T14:34:47Z) - Tiny noise, big mistakes: Adversarial perturbations induce errors in
Brain-Computer Interface spellers [45.439697770189134]
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。
論文 参考訳(メタデータ) (2020-01-30T21:18:46Z) - 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。