Professor X：通过不可察觉且鲁棒的后门攻击操纵 EEG BCI

基于摘要分析。该研究关注 EEG BCI 的后门安全风险，提出 Professor X，旨在通过干净标签投毒操纵系统输出，并针对既有 EEG 攻击以单一目标类别为主、需要介入目标系统训练阶段或隐蔽性不足等问题设计攻击机制。 方法包含三个阶段：首先为每个类别选择一个触发器；随后利用强化学习，为各触发器学习注入所用的 EEG 电极与频率策略；最后依据学习到的策略，通过对数据与触发器的频谱幅度进行线性插值，将相应频率成分注入各类别的投毒数据。其核心是将类别关联的触发信息嵌入频谱，并联合选择空间通道与频率位置。摘要将该方法称为干净标签投毒，但标签保持方式、投毒比例、攻击者权限及目标系统使用投毒数据的流程尚未验证；也不能据此认定攻击完全不涉及训练数据或可直接操纵任意已部署系统。 作者报告，在三种常见 EEG 任务的数据集上，Professor X 表现出有效性与鲁棒性，并能绕过已有后门防御。摘要未提供任务及数据集名称、被试数量、被试内或跨被试等划分协议、目标模型、防御方法、攻击成功率或正常任务性能，因此无法量化攻击效果，也无法判断“不可察觉”采用何种感知或统计标准。 复现与安全评估需核对强化学习的状态、动作与奖励定义，频谱插值与信号重建方式，以及触发器选择和投毒样本进入训练流程的条件。还需结合正常数据上的任务性能，检查攻击效果、隐蔽性和鲁棒性之间的权衡。实验协议、消融及统计信息尚未验证。该工作直接研究 EEG BCI 安全，不应将作者报告的数据集结果扩大为真实临床或设备控制场景中的已验证风险。