論文の概要: Revisiting Privacy Preservation in Brain-Computer Interfaces: Conceptual Boundaries, Risk Pathways, and a Protection-Strength Grading Framework
- arxiv url: http://arxiv.org/abs/2605.11386v1
- Date: Tue, 12 May 2026 01:17:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 21:48:56.509739
- Title: Revisiting Privacy Preservation in Brain-Computer Interfaces: Conceptual Boundaries, Risk Pathways, and a Protection-Strength Grading Framework
- Title（参考訳）: 脳-コンピュータインタフェースにおけるプライバシ保護の再考:概念境界、リスクパス、保護強度グラフ化フレームワーク
- Authors: Lei Sun, Xiuqing Mao, Shuai Zhang, Qingyu Zeng, Min Zhao, Jiyuan Li, Wenle Dong,
- Abstract要約: 脳-コンピュータインターフェース(BCI)は、臨床研究から臨床、エッジ、実世界の設定へと急速に移行している。
このレビューでは、プライバシ保護の境界、保護オブジェクト、およびユーザデータのプライバシとモデルプライバシの関係が明確化されている。
- 参考スコア（独自算出の注目度）: 7.687838203208316
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Brain-computer interfaces (BCIs) are moving rapidly from laboratory research into clinical, edge, and real-world settings. Under ISO/IEC 8663:2025, a BCI is a direct communication link between central nervous system activity and external software or hardware systems. This link expands privacy risk beyond raw neural-signal leakage: neural data, derived representations, model assets, and decoded outputs can be re-associated with individuals across collection, transmission, storage, training, inference, and feedback, or used to infer information beyond what a task requires. Starting from the general BCI paradigm, this review deffnes privacy-protection boundaries, protection objects, and the relationship between user data privacy and model privacy within a shared risk pathway. It then proposes a three-dimensional framework - protection object, lifecycle stage, and dominant protection-strength level - to classify existing work into four levels of protection strength. Finally, mental privacy and neuroethical risks are treated as open issues, emphasizing that BCI privacy protection should not only obscure data but also disentangle task-irrelevant sensitive information while preserving downstream utility. Keywords: Brain-computer interface, Neural data privacy, User data privacy, Model privacy, Disentanglement of task-irrelevant sensitive information, Protection-strength grading, Neuroethical risks
- Abstract（参考訳）: 脳-コンピュータインターフェース(BCI)は、臨床研究から臨床、エッジ、実世界の設定へと急速に移行している。
ISO/IEC 8663:2025では、BCIは中枢神経系活動と外部ソフトウェアまたはハードウェアシステムとの直接的な通信リンクである。
ニューラルネットワーク、導出表現、モデルアセット、デコードされたアウトプットは、コレクション、トランスミッション、ストレージ、トレーニング、推論、フィードバックを越えて個人と再関連することができる。
一般的なBCIパラダイムから、このレビューでは、プライバシ保護境界、保護オブジェクト、およびユーザデータのプライバシとモデルプライバシの関係を、共有リスクパス内で制限する。
次に、既存の作業を4つのレベルの保護強度に分類するために、3次元のフレームワーク - 保護オブジェクト、ライフサイクルステージ、支配的な保護強度レベル - を提案する。
最後に、メンタルプライバシと神経倫理的リスクはオープンな問題として扱われ、BCIのプライバシ保護は不明瞭なデータだけでなく、下流のユーティリティを保ちながらタスクに関連のない機密情報を混乱させるべきだ、と強調する。
キーワード:脳-コンピュータインターフェース、ニューラルデータプライバシ、ユーザデータプライバシ、モデルプライバシ、タスク非関連機密情報のアンタングルメント、保護-強度グレーディング、神経倫理的リスク
関連論文リスト
- Neural Gate: Mitigating Privacy Risks in LVLMs via Neuron-Level Gradient Gating [71.55435880263238]
ニューラルゲート(Neural Gate)は,ニューロンレベルのモデル編集によってプライバシリスクを軽減する新しい手法である。
本手法は,プライバシ関連質問に対する拒否率を高めることにより,モデルのプライバシ保護を改善する。
論文 参考訳（メタデータ） (2026-03-13T03:03:20Z) - SAFE: Secure and Accurate Federated Learning for Privacy-Preserving Brain-Computer Interfaces [9.411011131466426]
本稿では,モデルトレーニング中にデータをローカルに保つことにより,ユーザのプライバシを保護するためのフェデレート学習ベースのアプローチであるSAFEを提案する。
SAFEは、プライバシ保護を確保しながら、デコード精度と敵の堅牢性の両方において、14の最先端アプローチを一貫して上回りました。
我々の知る限り、SAFEは、ターゲットの被検体の校正データを用いることなく、高い復号精度、強い敵対的堅牢性、信頼性の高いプライバシ保護を同時に達成する最初のアルゴリズムである。
論文 参考訳（メタデータ） (2026-01-09T13:29:41Z) - Embracing Trustworthy Brain-Agent Collaboration as Paradigm Extension for Intelligent Assistive Technologies [51.93721053301417]
本稿では,脳-コンピュータ・インタフェースから脳-エージェント・コラボレーションへのパラダイム拡張を視野に入れている。
我々は、受動的脳信号データプロセッサではなく、知的支援のためのアクティブで協調的なパートナーとして、リフレーミングエージェントを強調している。
論文 参考訳（メタデータ） (2025-10-25T00:25:45Z) - Adversary-Aware Private Inference over Wireless Channels [51.93574339176914]
ワイヤレスエッジデバイスにおけるAIベースのセンシングは、人工知能(AI)アプリケーションを大幅に強化する可能性がある。
機密性の高い個人情報は敵によって再構築できるため、プライバシー侵害のリスクを軽減するために特徴の変換が必要である。
本稿では,デバイスがモデルサーバに送信する前に抽出した特徴の変換を適用する,プライバシ保護型AIベースセンシングのための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-23T13:02:14Z) - Enabling Privacy-Aware AI-Based Ergonomic Analysis [2.4622431772551256]
筋骨格障害(英: Musculoskeletal disorders, MSDs)は、製造業における傷害と生産性の低下の主要な原因である。
機械学習技術を利用したプライバシを考慮した人間工学評価フレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-12T07:52:48Z) - Open Problems in Machine Unlearning for AI Safety [61.43515658834902]
特定の種類の知識を選択的に忘れたり、抑圧したりするマシンアンラーニングは、プライバシとデータ削除タスクの約束を示している。
本稿では,アンラーニングがAI安全性の包括的ソリューションとして機能することを防止するための重要な制約を特定する。
論文 参考訳（メタデータ） (2025-01-09T03:59:10Z) - Collaborative Inference over Wireless Channels with Feature Differential Privacy [57.68286389879283]
複数の無線エッジデバイス間の協調推論は、人工知能(AI)アプリケーションを大幅に強化する可能性がある。
抽出された特徴を抽出することは、プロセス中に機密性の高い個人情報が暴露されるため、重大なプライバシーリスクをもたらす。
本稿では,ネットワーク内の各エッジデバイスが抽出された機能のプライバシを保護し,それらを中央サーバに送信して推論を行う,新たなプライバシ保存協調推論機構を提案する。
論文 参考訳（メタデータ） (2024-10-25T18:11:02Z) - Privacy-Preserving Collaborative Genomic Research: A Real-Life Deployment and Vision [2.7968600664591983]
本稿ではLynx.MDと共同で開発されたゲノム研究のためのプライバシ保護フレームワークを提案する。
このフレームワークは、重要なサイバーセキュリティとプライバシの課題に対処し、プライバシ保護によるゲノムデータの共有と分析を可能にする。
Lynx.MD内でのフレームワークの実装には、ゲノムデータをバイナリ形式に符号化し、制御された摂動技術を通じてノイズを適用することが含まれる。
論文 参考訳（メタデータ） (2024-07-12T05:43:13Z) - A privacy-preserving data storage and service framework based on deep
learning and blockchain for construction workers' wearable IoT sensors [0.0]
ウェアラブルモノのインターネット(IoT)センサー、特に脳-コンピュータインターフェース(BCI)によって収集される脳信号の分類は、最も急速に成長している研究分野の1つである。
本稿では,このギャップを埋めて,BCIアプリケーションを実装するためのセキュアなプライバシ保護プロトコルを提案する。
われわれはまず脳の信号を画像に変換し、生成的敵ネットワークを使って合成信号を生成し、データのプライバシーを保護した。
さらに、ブロックチェーンベースのスキームを提案し、個人の神経生理学的データと分析レポートの保存、クエリ、共有を安全かつプライバシーに配慮したものにすることを目的としたプロトタイプを開発した。
論文 参考訳（メタデータ） (2022-11-19T14:57:19Z) - Robustness Threats of Differential Privacy [70.818129585404]
我々は、いくつかの設定で差分プライバシーをトレーニングしたネットワークが、非プライベートバージョンに比べてさらに脆弱であることを実験的に実証した。
本研究では,勾配クリッピングや雑音付加などのニューラルネットワークトレーニングの主成分が,モデルの堅牢性に与える影響について検討する。
論文 参考訳（メタデータ） (2020-12-14T18:59:24Z)
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。