跳到正文

算法、任务与模态

隐私与安全 最新动态

隐私与安全 研究索引；按可核对的标签归档，不以热度评价质量。

188 条精选近 30 天 38 条共收录 280 条

更新

精选归档 · 第 10 页

12月31日周二第 181–188 条
  1. OpenReview · EEG73

    面向 EEG-based BCI 回归问题的白盒目标攻击

    基于摘要分析。该研究关注 EEG-based BCI 回归模型的对抗脆弱性，提出两种白盒目标攻击方法：在掌握被攻击回归模型全部信息的前提下，向原始输入加入小幅、特意设计的扰动，使回归输出按预定幅度改变。其主要贡献是将对抗攻击的研究对象从分类预测扩展到 BCI 回归输出的定向操控。 机制与威胁模型：这里的攻击目标不是改变分类标签，而是控制连续回归输出的偏移。摘要明确了模型信息完全已知的白盒条件，但未提供两种方法的名称、优化目标、损失形式、扰动度量或求解过程；“小幅扰动”的具体约束及其对 EEG 信号的影响尚未验证。 结果与评估：作者报告，两种方法在两个 BCI 回归问题上均有效；生成的对抗样本还具有跨模型迁移性，即可用已知回归模型生成的样本攻击未知回归模型，从而实施黑盒攻击。摘要未说明具体任务、数据集、被试数量、数据划分、模型组合、攻击成功指标或效果数值，不能据此判断跨被试、跨会话或实际部署条件下的攻击能力。 证据边界与复现：作者称，据其所知，这是首项针对 EEG-based BCI 回归问题的对抗攻击研究，该优先性声明尚未独立核实。复现需进一步取得两种攻击的算法细节、输入预处理与扰动预算、目标偏移设置，以及源模型与目标模型的评估协议；实验协议、消融及统计信息尚未验证。摘要支持关注回归型 BCI 的安全风险，但不支持将跨模型迁移直接等同于真实设备或在线 BCI 系统已被攻破。

    阅读价值：该研究将 EEG-based BCI 的对抗安全问题扩展到具有预定输出偏移目标的回归攻击，并报告跨模型迁移现象，值得核对其威胁模型、扰动约束与迁移评估协议。

  2. OpenReview · EEG74

    基于 EEG 的脑机接口黑盒对抗攻击中的主动学习

    基于摘要分析。该研究针对基于 EEG 的 BCI 深度学习分类器，研究如何降低迁移式黑盒对抗攻击训练替代模型时的目标模型查询成本，提出以查询合成式主动学习提高查询效率的框架。 核心机制是：攻击者通过查询目标模型训练替代模型，使其近似目标模型，再利用替代模型生成对抗样本并迁移攻击目标模型。主动学习用于替代模型训练中的查询合成环节，目标是在有限查询预算下获得更有效的目标模型信息。摘要未说明查询样本的合成方式、选择准则、目标模型返回的信息类型、替代模型训练损失及对抗扰动约束，这些细节尚未验证。 作者报告，在三个 CNN 分类器和三个 EEG 数据集上的实验中，该方法能够在相同查询次数下提高攻击成功率，或以更少查询达到所需攻击表现。摘要未提供数据集名称、任务、被试数量、被试内或跨被试等划分协议、对照方法及具体数值，因此不能判断改进幅度、统计可靠性或不同设置之间的可比性。实验协议、消融及统计信息尚未验证。 这项工作的研究对象是 EEG 分类器的对抗安全性，而非提高正常条件下的 BCI 解码性能。复现时应优先核对攻击者权限与查询预算、替代模型和目标模型之间的关系、扰动大小及其信号约束，并分别评估正常输入分类表现与攻击成功率。作者称这是据其所知首次将主动学习与 EEG BCI 对抗攻击结合的工作，该优先性主张尚未独立检索确认。

    阅读价值：值得阅读的具体原因是，该研究将查询合成式主动学习用于 EEG 黑盒攻击的替代模型训练，直接检验有限查询预算下的攻击效率，但具体效果幅度与威胁模型仍需全文核对。

  3. OpenReview · EEG71

    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。

    阅读价值：值得阅读的是同步采集 EEG 与动态签名、通过决策融合进行身份认证的机制，以及针对模仿签名攻击的验证设计；其跨会话稳定性和实际部署安全性尚未验证。

  4. OpenReview · EEG73

    EEG-based BCI 回归问题的白盒定向攻击

    基于摘要分析。该研究关注 EEG-based BCI 回归模型的对抗脆弱性，提出两种白盒定向攻击方法，旨在通过对原始输入添加小扰动，使回归输出改变预先指定的量。其主要贡献是将定向对抗攻击从分类问题拓展至 BCI 回归问题，并考察攻击样本的跨模型迁移能力。 机制与威胁模型：白盒设置假定攻击者掌握被攻击回归模型的全部信息，攻击目标并非仅使预测出错，而是控制输出变化的幅度。摘要未说明两种方法的具体优化过程、损失函数、扰动度量或约束，因此尚不能判断其差异、计算成本，以及扰动是否符合真实 EEG 采集与处理条件。 结果与证据边界：作者报告，在两个 BCI 回归问题上的实验验证了两种方法的有效性；作者还报告，两种方法生成的对抗样本均具有迁移性，即可利用已知回归模型生成的样本攻击未知回归模型，实现黑盒攻击。摘要未提供具体回归任务、数据集、被试数、数据划分、模型类型或量化指标，不能据此比较攻击效果，也不能将跨模型迁移等同于跨被试、跨会话或跨数据集有效。作者将其称为据其所知首项针对 EEG-based BCI 回归问题的对抗攻击研究，该优先性声明尚未独立核实。 复现与局限：需核对预定输出变化量与实际变化量的关系、扰动预算、攻击成功率的定义，以及不同目标模型和数据划分下的结果；同时需确认攻击施加于何种输入表示、预处理是否影响攻击，以及模型输出受操纵与真实 BCI 系统风险之间的关系。实验协议、消融及统计信息尚未验证，代码可用性亦尚未验证。

    阅读价值：值得阅读的具体原因是其将 EEG-based BCI 的对抗安全问题扩展到回归输出的定向操纵，并报告跨模型迁移攻击，但攻击幅度、扰动约束与实际系统风险仍需核对全文。

  5. OpenReview · EEG75

    基于 EEG 的 BCI 中 CNN 分类器的脆弱性研究

    基于摘要分析。本文研究基于 EEG 的 BCI 中 CNN 分类器对对抗样本的脆弱性，提出无监督快速梯度符号方法（UFGSM），以带有小幅刻意扰动的输入攻击分类模型，并考察对抗样本的迁移性。 技术机制方面，研究将对抗扰动引入 EEG 分类任务，关注深度学习模型在输入被轻微修改后是否受到误导。摘要给出了 UFGSM 的名称，但未说明其无监督目标如何构造、梯度计算依据、扰动约束及生成流程，因此尚不能据此还原具体损失或攻击实现。 作者报告，UFGSM 对所测试的三种常用 BCI CNN 分类器有效，并验证了对抗样本的迁移性；作者据此指出，即使不知道目标模型的架构、参数或训练数据集，也可以实施攻击。摘要未提供分类器名称、EEG 任务、数据集、被试数、数据划分、攻击成功率或分类性能变化，不能量化攻击强度，也不能判断结论在被试内、跨被试或跨会话条件下的适用范围。作者将其称为据其所知首项相关研究，这一优先性主张尚未独立核实。 复现时需核对扰动幅度及其度量、EEG 预处理与攻击施加位置、替代模型与目标模型的关系，以及迁移攻击的知识边界和评估协议。数字信号输入上的攻击效果也不应直接等同于实际采集链路中的可实施攻击。实验协议、消融及统计信息尚未验证；全文与实现条件仍需进一步取得并核查。

    阅读价值：值得阅读的具体原因是作者以 UFGSM 检验 EEG 分类 CNN 的对抗脆弱性，并报告对抗样本的跨模型迁移性，为核查 BCI 解码器的安全评估条件提供了明确切入点。

1月1日周一
  1. OpenReview · EEG70

    伪造与改进：利用生成对抗网络欺骗并增强脑信号身份认证

    基于摘要分析。该研究面向基于 EEG 的 passthought 身份认证，考察 GAN 生成的伪造信号能否欺骗认证器，以及这些信号能否用于增强认证器。作者报告，训练充分的 GAN 可以生成被分类器持续接受的信号；使用生成信号重新训练后，认证器对该攻击更稳健，对真实数据的接受表现也优于初始分类器。 方法分为认证、攻击与防御三个环节：首先训练 EEG 二分类器，判断用户是否为其声称的身份；随后训练 GAN，使生成信号模仿目标“正类”被试的 EEG；最后将 GAN 生成的数据用于分类器重训练。其主要价值在于把生成模型从常规数据增强工具转为认证系统的攻击测试工具，再利用攻击样本改进防御。这里的任务是身份认证，而非运动想象等 BCI 指令解码，不能将认证收益直接视为其他 EEG 任务的性能提升。 作者报告的结果在摘要中均为定性描述，未提供攻击成功率、真实用户接受率、错误接受率或其他量化指标。数据集、被试数量、采集条件、数据划分、GAN 与分类器结构、训练损失及生成样本的标签处理方式尚未验证；被试内、跨被试及跨会话评估背景也尚未明确，不能据此判断认证器对新会话或未见攻击的泛化能力。 复现时应优先核对攻击者可获取的目标 EEG 数据和认证器信息、生成样本与测试数据的隔离方式，以及重训练前后在相同协议下的攻击接受率和真实用户接受表现。还需核对防御是否仅对训练中使用的 GAN 有效，或能抵御独立生成器产生的攻击。完整实验协议、消融及统计信息尚未验证。

    阅读价值：值得阅读的具体原因是将 GAN 生成的 EEG 同时用于身份认证攻击与防御训练；作者报告了攻击可行性和重训练收益，但攻击泛化与真实信号接受性能仍需结合完整实验协议核对。

  2. OpenReview · EEG73

    使用 Ear-EEG 的单步三因素认证：可行性与性能探索

    基于摘要分析。研究针对多因素认证通常需要用户执行多次操作、影响易用性的问题，探索通过带有 EEG 电极的耳件，将固有特征、知识和持有物三个认证因素合并到单步操作中的可行性。主要研究对象是基于耳部 EEG 的身份认证，而非运动想象解码或通用 BCI 控制。 作者使用定制贴合耳部、嵌入电极的耳件采集 EEG，并测试多种认证场景。系统以“passthoughts”作为认证内容，试图结合脑信号、用户所知内容与所持耳件；三个因素如何分别验证、彼此是否独立，以及信号处理、特征提取和认证判决机制，摘要均未充分说明，尚未验证。 作者报告，在采用所有参与者各自表现最佳的“passthoughts”、使用一个含三个电极的耳件这一条件下，错误接受率为 0%，错误拒绝率为 0.36%，总体 Accuracy 为 99.82%。这些数值属于该特定选择条件下的结果，不能直接视为任意思维内容或长期使用场景的性能。作者还报告，模拟冒充攻击中未出现成功尝试；攻击次数、攻击者能力及具体流程尚未验证，不能据此推导系统能够抵御所有冒充攻击。 复现与证据核对的重点是参与者数量、数据与会话划分、“最佳 passthoughts”的选择流程、认证阈值设定、错误率的统计分母及不确定性，以及重复佩戴和跨会话条件下的稳定性。实验协议、消融及统计信息尚未验证。所给摘要末尾被截断，无法确认其后讨论内容。该研究提供了低电极数耳部 EEG 认证的可行性线索，但摘要不足以确立实际部署中的安全性与稳健性。

    阅读价值：值得阅读的是以三电极单耳耳件探索单步三因素认证的可行性，但摘要中的高准确率基于各参与者表现最佳的“passthoughts”，其筛选与评估协议需查阅全文核对。

1月1日周四
  1. OpenReview · EEG76

    Brainprint：一种新型 ERP 生物识别方法的独特性、可采集性与持久性评估

    基于摘要分析。本研究考察文本刺激诱发的 ERP 能否作为个体身份识别的生物特征，重点评估其个体区分能力、采集可行性与时间稳定性。作者将多种模式分类器用于个体对文本流的 ERP 响应，探索少电极条件下的身份识别，而非运动想象解码或一般 BCI 控制任务。 机制上，EEG 与刺激呈现时间对齐，并对多次呈现的响应求平均以获得 ERP。文本流被设计为对不同个体具有不同的熟悉程度；摘要以涉及语义网络访问的 N400 成分说明，语义加工差异可能提供个体特异信息。但摘要未明确分类器实际使用了哪些 ERP 成分、时间窗或特征，不能据此认定识别性能由 N400 单独驱动。 作者报告，在所述文本诱发 ERP 身份分类实验中，Accuracy 为 82–97%，可靠高于机会水平；具体类别数量、各分类器对应结果及训练测试划分尚未验证。作者还报告，在最长六个月的时间间隔后仍能准确识别个体，但摘要未提供该跨时间评估的具体 Accuracy，也未说明模型是否固定、是否重新训练或校准。作者报告所有情形下的较高识别准确率均使用三个头皮电极取得；摘要将其称为获取干净数据所需的最少数量，这不应扩展为适用于所有 EEG 采集任务的结论。 阅读与复现时应核对文本刺激构造、重复呈现次数、ERP 平均方式、电极位置与参考方式、预处理、分类器及身份标签划分，并确认跨时间测试是否独立于训练数据。被试数量、实验协议、消融及统计信息尚未验证；现有摘要不足以判断对新会话、不同采集条件或更大规模身份库的适用性。

    阅读价值：值得阅读的具体原因是该研究将个体化文本刺激诱发的 ERP 用于身份识别，并报告了少电极采集与最长六个月间隔下的识别可行性，但其泛化能力仍需核对数据划分和跨时间评估协议。