BrainNet：利用孪生网络改进基于脑电的生物特征识别

基于摘要分析。该研究面向基于 EEG 的生物特征身份认证，提出 BrainNet：训练 Siamese Network（孪生网络）度量两段 EEG 输入的相似度，并以时间锁定的脑反应替代连续心理活动，旨在提高识别准确性与实际部署可行性。其主要研究对象是脑电身份认证，而非运动想象解码或通用 BCI 控制。 机制上，BrainNet 将 EEG 输入之间的相似度作为识别依据。作者称该方案消除了脑电识别系统重新训练的需要，但摘要未说明这一主张适用于新增用户、用户状态变化还是其他部署条件；网络结构、配对策略、损失函数、时间锁定反应的诱发与对齐方式均尚未验证，不能据此推断具体实现。 结果方面，作者报告在 verification（身份验证）模式下 EER 为 0.14%，在 identification（身份辨识）模式下 EER 为 0.34%，并称即使在未见攻击者场景下评估也优于当时的先进方法。EER 是等错误率，不能换算为 Accuracy；两种模式的任务定义与协议不同，也不宜直接比较。摘要未提供数据集、被试数、会话跨度、训练测试划分、攻击者构成及对照方法，因此这些数值的适用范围尚待全文核对。 复现时需重点确认成对样本构建、身份注册与测试流程、阈值确定方式，以及“无需重新训练”和“未见攻击者”的操作性定义。实验协议、消融及统计信息尚未验证，现有材料也不足以判断其跨会话稳定性或消费级 EEG 设备上的实际表现。