运动想象 EEG 跨会话身份泄漏的黎曼几何抑制

基于摘要分析。该研究针对运动想象（MI）BCI 的 EEG 中跨会话持续存在的身份结构，提出直接作用于协方差表示的黎曼几何变换，以降低不同会话数据被关联到同一被试的风险，同时保留 MI 解码能力。 核心机制是均衡两个以被试为条件的几何统计量：黎曼均值协方差及其周围的切空间散布，并提供两个可选的频带特异性细化步骤。与摘要所述采用学习式或加性扰动、作用于其他表示的保护方法不同，该变换不需要学习隐私模型、代理网络或基于梯度的训练；变换在一个会话上拟合，再保持不变地应用于留出的后续会话。作者报告，消融中均值对齐和散布白化承担了几乎全部抑制效果，可选步骤的收益较小且依赖数据集。 在 BCI Competition IV-2a 和 OpenBMI 上，作者使用覆盖四种协方差空间表示的五种攻击者进行评估，报告最不利攻击者的身份攻击表现分别从 90.8% 降至 15.6%、从 90.8% 降至 9.9%；相对于 8–30 Hz 输入，MI 解码 Accuracy 分别下降 7.0 和 2.1 个百分点。摘要未明确上述身份攻击百分比的指标名称，需核对全文。作者还报告，在其考察的所有批量大小下，没有聚合规则超过随机水平两个百分点以上，但具体随机水平、批量范围及聚合方式尚未验证。 复现重点是核对身份攻击任务与攻击者可用信息、被试及会话划分、被试条件统计量的估计方式，以及后续会话如何应用既定变换。还需确认 MI 解码器、隐私保护对照、各阶段消融和统计不确定性。当前结果支持作者所测试条件下的隐私—效用权衡，不能据此认定该变换能抵御所有身份攻击或适用于任意跨会话部署。实验协议、消融及统计信息尚未验证。