公开(公告)号：CN112256133A

公开(公告)日：2021-01-22

申请号：CN202011172919.0

申请日：2020-10-28

Applicant: 华中科技大学

Inventor： 伍冬睿 ,  孟璐斌 ,  曾志刚 ,  黄剑

IPC: G06F3/01 ,  G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于EEG的脑机接口系统的污染攻击方法，属于脑机接口安全领域，根据分类模型的当前分类任务预采集脑电信号后，通过施加周期窄脉冲构造污染样本，并将各污染样本标注为指定类别，得到污染样本集；通过将污染样本集加入到分类模型的原始训练集中，对原始训练集进行污染，待该污染后的训练集对分类模型训练完成，即在分类模型中设置了后门，然后在攻击过程中直接将周期窄脉冲施加到原始脑电信号中，即设置了对应的后门钥匙；整个过程无需预先知晓分类模型、其原始训练集以及原始脑电信号，也无需外加攻击模块，仅通过外加污染样本即可实现攻击，简单可行，能在实际场景中进行有效实施来验证系统安全性。

公开(公告)号：CN111832427A

公开(公告)日：2020-10-27

申请号：CN202010578377.0

申请日：2020-06-22

Applicant: 华中科技大学

Inventor： 伍冬睿 ,  夏坤

IPC: G06K9/00 ,  G06K9/62 ,  G06F3/01

Abstract: 本发明公开了基于欧氏对齐和Procrustes分析的EEG分类的迁移学习方法和系统，属于基于运动想象的脑机接口领域。包括：对以往用户和新用户特征矩阵进行协方差对齐；对以往用户和新用户的特征矩阵进行均值对齐；根据以往用户的标签和均值对齐后以往用户的特征矩阵，计算以往用户的类别中心，根据新用户的伪标签和均值对齐后的新用户的特征矩阵，计算新用户的类别中心；构建以往用户和新用户类别中心矩阵，通过正交普氏分析方法，计算将新用户的类别中心与对应以往用户的类别中心对齐的旋转矩阵；将均值对齐后的新用户的特征矩阵和旋转矩阵相乘，得到最终对齐的新用户数据。

公开(公告)号：CN110851783A

公开(公告)日：2020-02-28

申请号：CN201911100099.1

申请日：2019-11-12

Applicant: 华中科技大学

Inventor： 伍冬睿 ,  何赫

IPC: G06F17/16 ,  G06K9/62 ,  A61B5/00 ,  A61B5/04 ,  A61B5/0476

Abstract: 本发明公开了一种用于脑机接口校准的异构标签空间迁移学习方法，涉及脑机接口领域，包括：对新用户的脑电信号样本集进行标注和分组，计算每个分组内的的平均协方差矩阵；对辅助用户的脑电信号样本集的所有样本按标签类别进行分组，计算每个分组内的平均协方差矩阵；根据满足设定对应关系的平均协方差矩阵，对辅助用户的样本进行变换，并将新用户的标签按照所述对应关系赋给辅助用户样本，得到变换后的辅助用户数据；将变换后的辅助用户数据以及标注的新用户样本合并作为训练集，并在该训练集上构建机器学习模型。本发明方法能够借助异构标签空间的辅助用户数据，提升新用户的模型学习能力，大幅度减少新用户所需校准数据，从而有效减少校准时间。

公开(公告)号：CN110837637A

公开(公告)日：2020-02-25

申请号：CN201910982682.3

申请日：2019-10-16

Applicant: 华中科技大学

Inventor： 伍冬睿 ,  蒋雪

IPC: G06F21/56 ,  G06K9/62

Abstract: 本发明公开了一种脑机接口系统黑盒攻击方法，首先基于询问合成主动学习生成具有更多信息量和多样性的EEG样本，作为替代模型训练样本，然后基于该训练样本训练替代模型，使得替代模型能够更好地近似目标模型，最后通过在训练好的替代模型上生成对抗样本，使用对抗样本对EEG的脑机接口系统进行黑盒攻击，使其在目标模型上能够被错分。与传统的基于雅克比矩阵的黑盒攻击方法相比具有更好的攻击效果，在更少的询问次数情况下可以取得相同或更好的攻击性能，生成的对抗样本具有很小的噪声，在时域和频域上和原始的EEG信号几乎没有区别，不能被轻易发现，大大提高了脑机接口系统中黑盒攻击的攻击效率。

公开(公告)号：CN110764958A

公开(公告)日：2020-02-07

申请号：CN201910896360.7

申请日：2019-09-24

Applicant: 华中科技大学

Inventor： 伍冬睿 ,  孟璐斌

IPC: G06F11/22

Abstract: 本发明公开了一种基于EEG的脑机接口回归系统白盒目标攻击方法，属于脑机接口安全领域。包括：获取基于EEG的脑机接口回归系统中的回归模型；获取输入到回归模型的原始样本；针对回归模型设计目标函数，并确定最终优化函数；寻找使最终优化函数最小的对抗扰动；将对抗扰动叠加到原始样本x，得到对抗样本x′。本发明将分类问题中的白盒目标攻击转化为回归问题中的白盒目标攻击时，定义实施白盒目标攻击要求为g(x′)-g(x)≥t，提出基于两种原理不同的方法检验脑机接口回归系统的抗干扰能力和安全性，通过优化的方法去寻找对抗样本，能够生成高质量的对抗样本；通过梯度误差信息来寻找对抗样本，能够快速地生成对抗样本。