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。

125 条精选近 30 天 30 条共收录 203 条

更新

精选归档 · 第 7 页

12月31日周二第 121–125 条
  1. 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。

  2. 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。