我能看见你的大脑：家用 EEG 系统安全性研究

基于摘要分析。该研究关注家用 EEG 物联网设备的安全与隐私风险，通过逆向工程识别系统框架中的设计和实现缺陷，并研究攻击者能否利用窃取的 EEG 数据推断用户活动。其贡献包括攻击概念验证，以及用于活动推断的联合循环卷积神经网络（RCNN）；主要研究对象是家用 EEG 系统安全，而非提高 BCI 解码性能。 在系统安全方面，作者报告构建了两组概念验证攻击，共包含四种远程攻击和一种近距离攻击。远程攻击通过特制程序窃取用户脑电数据；近距离攻击则在攻击者靠近用户时，通过无线方式获取数据，无需访问受害者设备。作者报告，在其研究覆盖的 NeuroSky App store 应用范围内，全部 156 个 BCI 应用均易受该近距离攻击影响，全部 31 个免费应用均易受至少一种远程攻击影响。这些结论对应论文当时分析的系统与应用范围，不能直接外推至当前版本或其他 EEG 产品。 在隐私推断方面，作者使用联合 RCNN，从被窃取的特征受限 EEG 数据中推断用户活动。作者报告，在真实世界 EEG 数据上的评估中，推断 Accuracy 可达 70.55%；摘要未交代活动类别、被试规模、数据划分、被试内或跨被试设置及对照基线，因此该数值只能作为论文所述评估下的结果，不能据此判断对新用户或新设备的泛化能力。 需进一步核对的内容包括漏洞涉及的设备与软件版本、攻击成立条件、活动标签与数据采集流程、RCNN 的具体结构及训练方式。实验协议、消融及统计信息尚未验证；现有材料也不足以确认相关漏洞当前是否仍然存在。