融合神经信号与动态签名的身份认证

基于摘要分析。研究针对单一生理或行为生物特征容易遭受冒用的问题，提出融合 EEG 与动态签名的多模态身份认证框架，用于身份识别与身份验证；主要研究对象是生物特征认证，而非运动想象或其他 BCI 控制任务。 方法上，研究在 33 名真实用户使用手机签名时采集 EEG，将记录的序列输入基于双向长短期记忆网络（BLSTM-NN）的序列分类器，并对动态签名与 EEG 的判定结果进行决策融合。摘要未说明动态签名的具体特征、EEG 通道及预处理、两种模态的时间对齐方式、训练损失或融合规则，相关实现尚未验证。 作者报告，在动态签名与 EEG 决策融合的身份识别实验中，Accuracy 为 98.78%；摘要未给出训练与测试划分、会话安排或单模态对照，因此不能据此判断融合增益或跨会话泛化能力。身份验证实验包含 25 名冒用者模仿真实用户动态签名所进行的 1650 次冒用尝试。作者使用检测错误权衡（DET）曲线及半总错误率（HTER）等指标评估验证性能，报告该冒用测试下 FAR 为 3.75%、HTER 为 1.87%、TPR 为 100%。这些结果适用于所述模仿签名攻击设置，不能扩展为对其他攻击方式的安全保证。 复现时需核对同步采集设备与流程、样本及会话划分、冒用数据的训练或测试用途、阈值选择和各指标的计算范围。实验协议、消融及统计信息尚未验证，数据与代码的可获得性也尚未验证。实际应用还需评估签名动作伴随的运动伪迹、跨会话 EEG 变化及采集负担是否影响认证表现。