评估 EEG 记录的身份认证性能：跨实验条件的信息论指标方法

基于摘要分析。研究面向 Healthcare IoT 中的个体身份认证，考察 EEG 能否作为生物特征标识，并利用熵与互信息评估不同实验条件下 EEG 特征所包含的身份信息。其主要贡献是提供一种信息论评价思路，而非提出已明确描述的 BCI 解码模型或认证分类器。 方法方面，作者分析来自 PhysioNet 某数据库数据集的 EEG 特征，涵盖静息态记录与听觉刺激实验。熵用于衡量特征的信息含量，互信息用于量化 EEG 特征与个体身份之间的统计依赖。摘要未说明具体数据集名称、特征提取流程、熵与互信息的估计方法，以及如何将这些指标对应到认证决策。 结果方面，作者报告，在所分析的实验条件下，听觉刺激通常比无刺激条件带来更好的身份认证表现；使用入耳式耳机呈现听觉刺激还带来小幅改善。摘要未提供具体数值、认证指标、对照细节或显著性信息，因此不能将这些定性结果等同于 Accuracy、错误接受率或错误拒绝率的提升。 该研究的直接对象是 EEG 生物特征认证，其意义在于比较采集条件与身份可辨识信息之间的关系，不应据此认定其改善了 BCI 任务性能。复现前需核对数据集、被试与会话构成、刺激及耳机条件、特征与信息量估计流程，以及训练测试划分和认证评价协议；尤其需要区分同一会话内的身份可辨识性与跨会话认证稳定性。实验协议、消融及统计信息尚未验证。