基于 EEG 的脑机接口中的对抗伪迹检测

基于摘要分析。该研究关注 EEG-BCI 对输入端对抗扰动的脆弱性，比较多种对抗样本检测方法，旨在识别可能使分类器误分类的微小扰动。作者将这项工作定位为对 EEG-BCI 对抗检测的首次探索；这一优先性表述尚未独立核实。 研究机制与评估：摘要描述的攻击通过向输入添加微小扰动造成误分类，检测则用于识别这些对抗样本。这里的“对抗伪迹”指攻击产生的扰动，不应直接等同于眼电、肌电等常见生理伪迹。作者在两个 EEG 数据集上，使用三个卷积神经网络评估多种检测方法；摘要未提供数据集名称、BCI 任务、网络名称、攻击算法或检测器的具体机制，不能据此展开损失函数、训练流程或推理策略。 结果与边界：作者报告，在上述实验中，白盒与黑盒攻击均可被检测，且白盒攻击更容易检测。摘要未给出检测指标、数值、阈值、误报率或具体对照，因此该结论只能作为定性结果，不能解释为对未知攻击、其他模型或实际在线 BCI 系统的普遍防御能力。 复现时需要核对攻击者权限、扰动约束、检测器训练与测试的数据划分，以及检测效果和正常 EEG 误报之间的权衡。被试内、跨被试或跨会话协议、实验细节、消融及统计信息尚未验证；代码与实现条件也尚未验证。