Making Brain-Computer Interfaces More Secure

Diese Studie schlägt eine leichtgewichtige, angepasste Faltungsneuronale Netzwerk (CNN)-Architektur vor, um die robuste Sicherheit gegenüber adversariellen Angriffen in EEG-basierten Gehirn-Computer-Schnittstellen (BCIs) zu untersuchen. Die Methode wird anhand von zwei EEG-Datensätzen bewertet und mit anderen CNN-Modellen unter gradientenbasierten adversariellen Angriffsszenarien verglichen, um einen zuverlässigen Einsatz von BCIs zu gewährleisten.