論文の概要: NERVE Attacks: Breaking AI-Powered Brain-Computer Interfaces

• arxiv url: http://arxiv.org/abs/2609.08971v1
• Date: Tue, 08 Sep 2026 16:20:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 15:10:23.339533
• Title: NERVE Attacks: Breaking AI-Powered Brain-Computer Interfaces
• Title（参考訳）: NERVE攻撃:AI搭載のブレインコンピュータインタフェースを破る
• Abstract要約: 本稿では,システムBCIセキュリティ分析のためのAI支援フレームワークであるEEGleを紹介する。 生成AIが非熟練攻撃者への侵入障壁を低くすることを示す。
• 参考スコア（独自算出の注目度）: 1.017815799712437
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The rapid integration of AI into human-centred systems such as Brain-Computer Interfaces (BCIs) has created a poorly understood attack surface linking neural signals to physical systems. Exploits in this domain threaten cognitive autonomy, mental privacy, and physical safety, from neural data exfiltration to malicious control of BCI-tethered devices. We introduce the NERVE Attacks class, a systematic characterisation of five orthogonal attack dimensions that together span the complete BCI stack: Neuro-mimetic Forgery (N), Evasion via Desynchronization (E), Replay-based Hijacking (R), Vein Tapping (V), and Embedded Backdoors (E). To evaluate this class, we present EEGle, an AI-assisted extensible framework for systematic BCI security analysis. Our evaluation uncovers 17 novel neuro-specific attack instances and reveals a stealth-effectiveness spectrum unique to BCI backdoor design. We also show that generative AI lowers the barrier to entry for non-expert attackers and provide EEGle to the community for building and verifying the security of these deeply personal devices.
• Abstract（参考訳）: Brain-Computer Interfaces (BCI)のような人間中心のシステムへのAIの迅速な統合は、ニューラルネットワークを物理的システムにリンクする攻撃面を十分に理解していないものにしている。 このドメインのエクスプロイトは、ニューラルネットワークの流出からBCIテザリングデバイスに対する悪意のある制御に至るまで、認知的自律性、メンタルプライバシ、物理的安全性を脅かす。 NERVEアタッククラスは,完全なBCIスタック(N),デシンクロナイゼーション(E),リプレイベースのハイジャックング(R),ベインタッピング(V),埋め込みバックドア(E),という,5つの直交攻撃次元の体系的特徴付けを行う。 このクラスを評価するために、系統的BCIセキュリティ分析のためのAI支援拡張フレームワークであるEEGleを提案する。 評価の結果,BCIバックドア設計に特有のステルス効果スペクトルが明らかにされた。 また、生成AIは、非専門家の攻撃者への侵入障壁を低くし、これらの深い個人的デバイスのセキュリティの構築と検証のためにEEGleをコミュニティに提供することも示している。

関連論文リスト

• Triggering Stealthy Feature Map Backdoors via Physical Fault Injection in Embedded Neural Networks [8.074065181544496]
  本稿では,実装レベルの物理障害をアルゴリズムレベルの逆攻撃にブリッジするクロスレベル攻撃を提案する。 本研究では,実行中にターゲットレジスタ値をトラクタブルな状態に確実に操作する,高精度なフォールトインジェクション手法を提案する。 従来の入力ベースのバックドアとは異なり、我々のトリガーは物理的欠陥の下でのみ活性化され、NNは敵対行動を示す。
  論文  参考訳（メタデータ） (2026-07-10T14:44:32Z)
• 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)
• ANNIE: Be Careful of Your Robots [48.89876809734855]
  エンボディドAIシステムに対する敵の安全攻撃に関する最初の体系的研究について述べる。 すべての安全カテゴリーで攻撃の成功率は50%を超えている。 結果は、実証済みのAIシステムにおいて、これまで未調査だったが、非常に連続的な攻撃面を露呈する。
  論文  参考訳（メタデータ） (2025-09-03T15:00:28Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• The Feasibility and Inevitability of Stealth Attacks [63.14766152741211]
  我々は、攻撃者が汎用人工知能システムにおける決定を制御できる新しい敵の摂動について研究する。 敵対的なデータ修正とは対照的に、ここで考慮する攻撃メカニズムには、AIシステム自体の変更が含まれる。
  論文  参考訳（メタデータ） (2021-06-26T10:50:07Z)
• 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)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。