运动想象 EEG 中跨会话身份泄漏的黎曼几何抑制

基于摘要分析。该研究针对运动想象（MI）BCI 的 EEG 在跨会话发布时仍可被关联至同一被试的问题，提出直接作用于协方差表示的黎曼几何变换，在不训练隐私模型的条件下抑制身份泄漏，同时评估 MI 解码性能的代价。 方法对齐两类以被试为条件的几何统计量：黎曼均值协方差，以及围绕该均值的切空间散布，并提供两个可选的频带特定细化步骤。作者报告，消融结果显示，均值对齐与散布白化承担了几乎全部的身份泄漏抑制作用，可选步骤仅带来幅度较小、依赖数据集的改进。该变换在一个会话上拟合，再不经修改地应用于留出的后续会话；不需要学习式隐私模型、代理网络或基于梯度的训练。 作者报告，在两个公开数据集、覆盖四种协方差空间表示的五类攻击器评估中，最强攻击器的身份识别准确率在 BCI Competition IV-2a 上由 90.8% 降至 15.6%，在 OpenBMI 上由 90.8% 降至 9.9%；相对 8–30 Hz 输入，MI 解码准确率分别损失 7.0 和 2.1 个百分点。作者还报告，在所评估的所有批次大小下，各聚合规则的表现均未超过随机水平两个百分点以上；具体随机基线、批次大小与聚合定义尚需全文核对。 其可核对的核心贡献是将身份抑制置于 MI 管线使用的协方差几何中，并检验跨会话应用时的隐私—效用权衡。摘要所述攻击结果不等同于对任意攻击者的隐私保证。被试数量、会话及试次划分、拟合所需的身份信息、攻击者可访问的数据、MI 解码器设置，以及详细消融和统计信息尚未验证。复现时应重点核对变换拟合与攻击评估的数据边界，以及身份抑制是否伴随不同被试间不均衡的解码性能下降。