論文の概要: Adversarial Filtering Based Evasion and Backdoor Attacks to EEG-Based Brain-Computer Interfaces

• arxiv url: http://arxiv.org/abs/2412.07231v1
• Date: Tue, 10 Dec 2024 06:42:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-11 14:35:35.998178
• Title: Adversarial Filtering Based Evasion and Backdoor Attacks to EEG-Based Brain-Computer Interfaces
• Title（参考訳）: 逆フィルタリングによる脳波脳-コンピュータインタフェースへの侵入とバックドア攻撃
• Authors: Lubin Meng, Xue Jiang, Xiaoqing Chen, Wenzhong Liu, Hanbin Luo, 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。 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。
• 参考スコア（独自算出の注目度）: 16.426546510800335
• License:
• Abstract: A brain-computer interface (BCI) enables direct communication between the brain and an external device. Electroencephalogram (EEG) is a common input signal for BCIs, due to its convenience and low cost. Most research on EEG-based BCIs focuses on the accurate decoding of EEG signals, while ignoring their security. Recent studies have shown that machine learning models in BCIs are vulnerable to adversarial attacks. This paper proposes adversarial filtering based evasion and backdoor attacks to EEG-based BCIs, which are very easy to implement. Experiments on three datasets from different BCI paradigms demonstrated the effectiveness of our proposed attack approaches. To our knowledge, this is the first study on adversarial filtering for EEG-based BCIs, raising a new security concern and calling for more attention on the security of 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、その利便性と低コストのため、BCIの一般的な入力信号である。 EEGベースのBCIに関するほとんどの研究は、セキュリティを無視しながら、EEG信号の正確な復号化に焦点を当てている。 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攻撃を提案する。 異なるBCIパラダイムから得られた3つのデータセットに対する実験により,提案手法の有効性が示された。 我々の知る限り、これはEEGベースのBCIに対する敵のフィルタリングに関する最初の研究であり、新たなセキュリティ上の懸念を提起し、BCIのセキュリティにより多くの注意を払っています。

関連論文リスト

• 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)
• Alignment-Based Adversarial Training (ABAT) for Improving the Robustness and Accuracy of EEG-Based BCIs [20.239554619810935]
  ABATは、敵の訓練の前にEEGデータアライメントを実行する。 データアライメントは、異なるドメインからのEEGトライアルを調整して、分散の相違を減らす。 敵の訓練は 分類境界をさらに強固にする
  論文  参考訳（メタデータ） (2024-11-04T13:56:54Z)
• Professor X: Manipulating EEG BCI with Invisible and Robust Backdoor Attack [4.579605201643072]
  X教授は、EEG BCIの出力を任意に操作できる、目に見えない頑健な「ミンドコントローラ」である。 3つの共通脳波課題のデータセットの実験は、X教授の有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2024-09-30T10:10:52Z)
• Enhancing EEG-to-Text Decoding through Transferable Representations from Pre-trained Contrastive EEG-Text Masked Autoencoder [69.7813498468116]
  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)
• 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)
• Robust learning from corrupted EEG with dynamic spatial filtering [68.82260713085522]
  実験室の外で記録されたEEGを使用して機械学習モデルを構築するには、ノイズの多いデータとランダムに欠落するチャネルにロバストな方法が必要である。 ニューラルネットワークの第1層の前に挿入可能なマルチヘッドアテンションモジュールである動的空間フィルタリング(DSF)を提案する。 筆者らは, チャネル汚損を模擬した4000件の録音を含む公開脳波データと, 自然汚損をともなう移動脳波の自家記録100件のプライベートデータセットを用いて, DSFを試験した。
  論文  参考訳（メタデータ） (2021-05-27T02:33:16Z)
• EEG-Inception: An Accurate and Robust End-to-End Neural Network for EEG-based Motor Imagery Classification [123.93460670568554]
  本稿では,脳波に基づく運動画像(MI)分類のための新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。 提案したCNNモデル、すなわちEEG-Inceptionは、Inception-Timeネットワークのバックボーン上に構築されている。 提案するネットワークは、生のEEG信号を入力とし、複雑なEEG信号前処理を必要としないため、エンドツーエンドの分類である。
  論文  参考訳（メタデータ） (2021-01-24T19:03:10Z)
• 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)
• 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。