論文の概要: User Identity Protection in EEG-based Brain-Computer Interfaces

• arxiv url: http://arxiv.org/abs/2412.09854v1
• Date: Fri, 13 Dec 2024 04:48:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-16 15:01:22.031014
• Title: User Identity Protection 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ユーザアイデンティティ保護
• Authors: L. Meng, X. Jiang, J. Huang, W. Li, H. Luo, D. 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。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: A brain-computer interface (BCI) establishes a direct communication pathway between the brain and an external device. Electroencephalogram (EEG) is the most popular input signal in BCIs, due to its convenience and low cost. Most research on EEG-based BCIs focuses on the accurate decoding of EEG signals; however, EEG signals also contain rich private information, e.g., user identity, emotion, and so on, which should be protected. This paper first exposes a serious privacy problem in EEG-based BCIs, i.e., the user identity in EEG data can be easily learned so that different sessions of EEG data from the same user can be associated together to more reliably mine private information. To address this issue, we further propose two approaches to convert the original EEG data into identity-unlearnable EEG data, i.e., removing the user identity information while maintaining the good performance on the primary BCI task. Experiments on seven EEG datasets from five different BCI paradigms showed that on average the generated identity-unlearnable EEG data can reduce the user identification accuracy from 70.01\% to at most 21.36\%, greatly facilitating 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、脳と外部装置との間の直接通信経路を確立する。 脳波(Electroencephalogram,EEG)は、BCIにおいて、その利便性と低コストのため最も一般的な入力信号である。 脳波に基づくBCIの研究の多くは、脳波信号の正確な復号化に焦点を当てているが、脳波信号には保護されるべき豊富なプライベート情報、例えば、ユーザアイデンティティ、感情などが含まれる。 本稿では、まず、脳波に基づくBCIにおける深刻なプライバシー問題、すなわち、脳波データのユーザアイデンティティを学習しやすくし、同一ユーザーからの異なるEEGデータのセッションを関連付けて、より確実にプライベート情報をマイニングできるようにする。 この問題に対処するため,本研究では,元の脳波データを識別不能な脳波データに変換する2つのアプローチを提案する。 5つの異なるBCIパラダイムによる7つのEEGデータセットの実験により、生成した識別不能なEEGデータは、平均して70.01\%から21.36\%までのユーザの識別精度を低下させ、EEGベースのBCIにおけるユーザのプライバシ保護を大幅に促進することを示した。

関連論文リスト

• Towards Personalized Brain-Computer Interface Application Based on Endogenous EEG Paradigms [22.625590048865387]
  パーソナライズされた脳-コンピュータインタフェース(BCI)アプリケーションのための概念的フレームワークを提案する。 このフレームワークには,ユーザ識別と意図分類という,2つの重要なコンポーネントが含まれている。 EEG信号はパーソナライズされたBCIアプリケーションを効果的にサポートし、堅牢な識別と信頼性の高い意図的復号を提供する。
  論文  参考訳（メタデータ） (2024-11-18T05:58:41Z)
• 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)
• 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)
• 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)
• Disguising Personal Identity Information in EEG Signals [6.9207437122916735]
  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。
  論文  参考訳（メタデータ） (2020-10-18T03:55:38Z)
• 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)
• 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。