論文の概要: E-MagDiP: Electro-Magnetic based Differential Privacy for EEG based Community Sensing

• arxiv url: http://arxiv.org/abs/2607.25968v1
• Date: Tue, 28 Jul 2026 16:50:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.937584
• Title: E-MagDiP: Electro-Magnetic based Differential Privacy for EEG based Community Sensing
• Title（参考訳）: E-MagDiP:脳波を用いたコミュニティセンシングのための電気磁気ベースの差分プライバシー
• Authors: Ayanga Imesha Kumari Kalupahana, Vishruti Ranjan, Li-Shiuan Peh,
• Abstract要約: 本稿では,外部無線を用いて脳波ヘッドセットにRF信号を送信し,取得時に摂動信号を用いてDPノイズを誘導するフレームワークであるE-MagDiPを提案する。 私たちの知る限りでは、E-MagDiPは攻撃ではなくRF信号をプライバシーのために使う最初のフレームワークです。
• 参考スコア（独自算出の注目度）: 1.0934800950965333
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: EEG-based community sensing programs are emerging globally as a tool to leverage aggregated brain data to gain insights into attentiveness of students and employees. But these programs raise privacy concerns because EEG signals contain sensitive personal information. Differential Privacy (DP) can protect individuals while preserving aggregate statistics yet applying DP to EEG data is challenging as it requires user-level noise generation, which increases power and latency. Besides, most commercial EEG headsets cannot be modified to add such noise. We propose E-MagDiP, a framework that uses an external radio to transmit RF signals onto EEG headsets, perturbing signals at acquisition to induce DP noise. To the best of our knowledge, E-MagDiP is the first framework to use RF signals for privacy instead of attacks, enabling practical DP for EEG community sensing without any user-level modification.
• Abstract（参考訳）: 脳波をベースとしたコミュニティセンシングプログラムは、集約された脳データを利用して、学生や従業員の注意力に関する洞察を得るツールとして、世界中に広まっている。 しかしこれらのプログラムは、脳波信号に機密性の高い個人情報が含まれているため、プライバシー上の懸念を提起する。 差分プライバシー(DP)は、個人を保護し、集計統計を保存しながら、PDPをEEGデータに適用することは、パワーとレイテンシを増大させるユーザレベルのノイズ生成を必要とするため、難しい。 また、ほとんどの商用のEEGヘッドセットは、そのようなノイズを加えるために変更することはできない。 本稿では,外部無線を用いて脳波ヘッドセットにRF信号を送信し,取得時に摂動信号を用いてDPノイズを誘導するフレームワークであるE-MagDiPを提案する。 私たちの知る限り、E-MagDiPは、攻撃ではなくプライバシーのためにRF信号を使用する最初のフレームワークであり、ユーザレベルの変更なしに、EEGコミュニティの実用的なDPを可能にする。

関連論文リスト

• Towards Robust EEG Decoding Based on Riemannian Self-Attention [49.95065559566893]
  脳波(EEG)に基づく脳-コンピュータインタフェース(BCI)は、補助技術、リハビリテーション、エンターテイメントに重要な応用がある。 近年,Symmetric Positive Definite (SPD) 学習に基づく脳波復号法は優れた性能を示した。 これらの手法は通常、基本的なネットワークアーキテクチャを使用し、EEG信号間の局所的な関係を明示的に捉えない。 この制限は、信号対雑音比(SNR)が本質的に低いため、脳波信号に問題となる。
  論文  参考訳（メタデータ） (2026-06-24T06:31:20Z)
• Communication Security and Sensing Privacy in FMCW-Based ISAC Through Signal Modulation [40.777558114712]
  本研究では、ISACシステムのための新しいレーダ中心信号の設計とアーキテクチャを提案する。 提案するフレームワークは、プライバシーの保護を同時に強化しつつ、データ転送のための堅牢な物理層セキュリティを提供するように設計されている。
  論文  参考訳（メタデータ） (2026-05-22T09:41:54Z)
• Decoding Listeners Identity: Person Identification from EEG Signals Using a Lightweight Spiking Transformer [31.66487449656124]
  スパイキングニューラルネットワーク(SNN)を用いた新しい脳波人物識別手法を提案する。 提案したSNNモデルは、脳波信号に固有の時間的複雑さを扱うことができる。 EEG-Music Emotion Recognition Challengeデータセットでは,10%未満のエネルギー消費で100%の分類精度を実現する。
  論文  参考訳（メタデータ） (2025-10-17T08:20:01Z)
• Bridging Privacy and Utility: Synthesizing anonymized EEG with constraining utility functions [0.5863360388454261]
  本稿では,脳波データを生成するトランスフォーマーを用いたオートエンコーダを提案する。 本稿では,脳波信号の再識別可能性を大幅に低減し,機械学習に有効であることを示す。
  論文  参考訳（メタデータ） (2025-09-24T18:02:41Z)
• Communication-Efficient and Privacy-Adaptable Mechanism for Federated Learning [54.20871516148981]
  通信効率・プライバシー適応メカニズム(CEPAM)について紹介する。 CEPAMは通信効率とプライバシー保護を同時に達成する。 我々は、CEPAMのプライバシー保証を理論的に分析し、CEPAMのユーザプライバシと正確性の間のトレードオフを調査する。
  論文  参考訳（メタデータ） (2025-01-21T11:16:05Z)
• 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)
• Protecting Multiple Types of Privacy Simultaneously in EEG-based Brain-Computer Interfaces [17.24882553037956]
  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。
  論文  参考訳（メタデータ） (2024-11-29T06:33:31Z)
• DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
  AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。 現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。 本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T13:43:46Z)
• Upper Limb Movement Recognition utilising EEG and EMG Signals for Rehabilitative Robotics [0.0]
  上肢運動分類のための新しい決定レベル多センサ融合手法を提案する。 システムは脳波信号をEMG信号と統合し、両方の情報源から効果的な情報を取得し、ユーザの欲求を理解し予測する。
  論文  参考訳（メタデータ） (2022-07-18T14:51:23Z)
• 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-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)

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。