Для функционирования сайта могут собираться метаданные (сcookie, IP-адрес, местоположение). Если Вы не хотите, чтобы эти данные обрабатывались, то покиньте сайт.
OK
Разработка биометрических нейроинтерфейсов
Электроэнцефалограмма (ЭЭГ) – совокупность сигналов, характеризующих электрическую активность головного мозга, регистрируемых неинвазивно при помощи электродов, расположенных на поверхности головы.

Параметры ЭЭГ человека уникальны. Их можно использовать для подтверждения личности, а также в целях управления техническими устройствами.
"человеческий фактор"
самое уязвимое звено в системе безопасности

Пароли, ключи шифрования и электронной подписи являются отчуждаемыми от владельца. Это делает средства защиты, основанные на данных аутентификаторах, уязвимыми перед методами социальной инженерии. Биометрия также подвержена ряду уязвимостей.

Почти любой биометрический образ может быть перехвачен: голос записывается на микрофон, клавиатурный почерк можно скрыто зарегистрировать при помощи программного обеспечения, отпечатки пальца остаются на предметах, изображение лиц на – фотографиях, подпись – на бумаге и т.д. Кража открытой биометрии для квалифицированного злоумышленника – не является непреодолимым препятствием.

МОЗГ формирует ключ к объекту управления

Биометрический нейроинтерфейс - это преобразователь электрической активности мозга в длинный криптографический ключ или пароль, который можно ассоциировать с определенным управляющим воздействием.

Только объект управления "знает", что нужно делать с ключом - последовательность управляющих команд может быть зашифрована на данном ключе.

Чтобы украсть «мысль» нужно вклиниться в канал “мозг-компьютер”. На сегодняшний день не существует проработанных атак по перехвату и интерпретации сигналов ЭЭГ.

Биометрический нейроинтерфейс дает максимальный уровень защиты от угроз: "человек посередине", а также "ключ под ковриком" и "атака одного бита".

управляющее воздействие-ключ возникает на выходе преобразователя при воздействии визуальными или аккустическими стимулами
либо если закрепить за каждой командой кодовую мысль

уникальные паттерны ЭЭГ возникают также при наборе текстов на клавиатуре
На данный момент разработано несколько концепций нейроинтерфейсов
Исследования в этом направлении продолжаются энтузиастами проекта...
Основные участники проекта
Сулавко Алексей Евгеньевич
научный руководитель, исследователь
кандидат техн. наук, доцент каф. КЗИ, старший научный сотрудник ОмГТУ, Омск
Стадников Денис Геннадьевич
разработчик программной части, исследователь
магистрант каф. КЗИ, инженер-программист ОмГТУ, Омск
Чобан Адиль Гаврилович
разработчик программной части, исследователь
магистрант каф. КЗИ, инженер-программист ОмГТУ, Омск
Жумажанова Самал Сагидулловна
исследователь, переводчик
аспирант каф. КЗИ, ОмГТУ, Омск
Пономарев Дмитрий Борисович
разработчик аппаратной части нейро-гарнитур
кандидат техн. наук, доцент, каф. "Электроника", ОмГТУ, Омск
Нигрей Алексей Андреевич
исследователь
аспирант ОмГУПС, Омск
Приз Игорь Леонидович
постановка и контроль проведения натурных экспериментов
кандидат медицинских наук, нейрофизиолог, невролог, сомнолог, функциональный диагност, Центральная клиническая больница (ЦКБ), Омск
Самотуга Александр Евгеньевич
исследователь, переводчик
кандидат техн. наук, доцент каф. КЗИ, ОмГТУ
Еременко Александр Валериевич
исследователь
кандидат техн. наук, руководитель направления Автоматика-сервис, Санкт-Петербург
Основные публикации
по теме "Разработка биометрических нейроинтерфейсов"
Evaluation of EEG identification potential using statistical approach and convolutional neural networks
глубокое обучение, многослойные нейронные сети, биометрия, машинное обучение, извлечение признаков, электрическая активность мозга, психофизиологическое состояние, распознавание образов, спектрограммы
http://www.i-us.ru/index.php/ius/article/view/13299
Sulavko, A. E., Lozhnikov, P. S., Choban, A. G., Stadnikov, D. G., Nigrey, A. A., Inivatov, D. P. (2020). Evaluation of EEG identification potential using statistical approach and convolutional neural networks. Information and Control Systems, (6), 37-49. https://doi.org/10.31799/1684-8853-2020-6-37-49
Сулавко, А. Е., Ложников, П. С., Чобан, А. Г., Стадников, Д. Г., Нигрей, А. А., Иниватов, Д. П. (2020). Оценка идентификационного потенциала электроэнцефалограмм с использованием статистического подхода и сверточных нейронных сетей. Информационно-управляющие системы, (6), 37-49. https://doi.org/10.31799/1684-8853-2020-6-37-49
Введение: электроэнцефалограммы содержат информацию об индивидуальных особенностях работы мозга и психофизиологическом состоянии субъекта. Цель исследования: оценить идентификационный потенциал электроэнцефалограмм; разработать методы идентификации личности и психофизиологического состояния субъектов, а также действий пользователя, выполняемых на компьютере, по электроэнцефалограмме с использованием аппарата сверточных нейронных сетей. Результаты: оценена информативность ритмов электроэнцефалограмм с точки зрения возможности идентификации человека и его состояния. Достигнута высокая точность идентификации личности (98,5–99,99% для 10 электродов, 96,47% для двух электродов Fp1 и Fp2) при низком времени прохода (2–2,5 с). Обнаружено существенное падение точности идентификации, если на этапе обучения и тестирования сети субъект находился в разных психофизиологических состояниях. (В ранних исследованиях данному аспекту уделялось недостаточно внимания.) Предложен способ повышения робастности распознавания личности в измененных состояниях. Достигнута точность 82–94% при распознавании состояний алкогольного опьянения, сонливости, физической усталости и 77,8–98,72% при распознавании действий пользователя (чтение, набор текста, просмотр видео). Практическая значимость: результаты будут востребованы в приложениях информационной безопасности и удаленного мониторинга субъектов (при отсутствии возможности непосредственно наблюдать за ними).
Идентификация образов электроэнцефалограмм пользователей компьютерных систем при наборе парольных фраз на клавиатуре
параметры электроэнцефалограмм, распознавание образов, клавиатурный почерк, биометрическая идентификация, пространство признаков, машинное обучение, защита информации
ознакомиться с работой на researchgate.net

Сулавко А.Е., Жумажанова С.С., Стадников Д.Г. Идентификация образов электроэнцефалограмм пользователей компьютерных систем при наборе парольных фраз на клавиатуре // Искусственный интеллект и принятие решений. № 2. - 2019. - С. 15-27. DOI 10.14357/20718594190202

В статье рассматривается связь клавиатурного почерка пользователя компьютера и параметров его электроэнцефалограмм (ЭЭГ). В рамках работы проведен эксперимент по сбору данных ЭЭГ 65 испытуемых, осуществляющих ввод парольной фразы на различных клавиатурах в разное время. Выполнен анализ ЭЭГ, выявлены закономерности и параметры ЭЭГ (признаки), которые возможно использовать для биометрической идентификации субъектов. Предложен метод идентификации образа ЭЭГ человека, осуществляющего клавиатурный ввод текста (парольных фраз). Проведен вычислительный эксперимент с большим объемом тестовой выборки по оценке надежности распознавания ЭЭГ-образов. По результатам эксперимента получено 1,62% ошибок. При этом не выявлено зависимости признаков ЭЭГ от использованной испытуемыми клавиатуры и времени суток, а также изменчивости признаков со временем.
Biometric authentication on the basis of electroencephalograms parameters
нейро-интерфейсы, ЭЭГ, анализ биомедицинских сигналов, машинное обучение, классификатор Байеса, нейросетевые алгоритмы, защита информации, биометрия, аутентификация
https://iopscience.iop.org/article/10.1088/1742-6596/1260/2/022011/pdf

Sulavko A.E., Samotuga A.E., Stadnikov D.G., Pasenchuk V.A., Zhumazhanova S.S. Biometric authentication on the basis of lectroencephalograms parameters // IOP Conf. Series: Journal of Physics: Conf. Series. III International scientific conference "Mechanical Science and Technology Update", 23-24 April, 2019. Omsk, Russia. p. 022011 doi:10.1088/1742-6596/1260/2/022011

Статические биометрические образы (отпечаток пальца, радужка, лицо и т.д.) сложно сохранить в тайне. Кража чужой открытой биометрии дает большие возможности по компрометации систем, так как открытый образ имеет мало возможных вариантов замены. Аутентификация на основе образа электроэнцефалограммы (ЭЭГ) является наиболее безопасным видом биометрической защиты. Настоящее исследование направлено на разработку метода биометрической аутентификации по данным ЭЭГ с высокой точностью. Апробировано несколько нейросетевых алгоритмов верификации образов ЭЭГ. Разработан метод верификации образа ЭЭГ человека на основе модифицированной формулы гипотез Байеса. Достигнуты следующие показатели ошибок FAR<10-4 при FRR=0.062.
Анализ методов распознавания образов человека по особенностям электроэнцефалограмм (обзор)
электроэнцефалограмма, идентификация, аутентификация, распознавание образов, информативность признаков, интерфейс мозг—компьютер, анализ биометрических параметров
ознакомиться с работой на researchgate.net

Сулавко, А. Е. Анализ методов распознавания образов человека по особенностям электроэнцефалограмм (обзор) / А. Е. Сулавко, А. И. Куприк, М. А. Старков, Д. Г. Стадников // Вопросы защиты информации. - 2018. - № 4. - С. 36-46

Исследуется проблема биометрической идентификации и аутентификации по особенностям работы головного мозга с использованием неинвазивных нейрокомпьютерных интерфейсов. Приводится анализ публикаций последних лет по данной тематике. Даны краткие сведения о методах регистрации электроэнцефалограмм (ЭЭГ). Обобщены основные подходы, используемые при стимуляции головного мозга человека для выработки стойких реакций и продуцирования информативных ЭЭГ. Описаны используемые подходы к анализу сигналов ЭЭГ для вычисления биометрических параметров, а также методы распознавания образов, применяемые при построении систем биометрической аутентификации (идентификации) по особенностям ЭЭГ. Представлены достигнутые результаты по данной тематике, сформулированы актуальные проблемы и даны направления их решения.
Идентификация человека с высокой точностью по особенностям работы головного мозга на основе визуальной стимуляции
поля Бродмана, тест Роршаха, электроэнцефалограммы, оценка информативности биометрических признаков, распознавание образов, формула Байеса
ознакомиться с работой на researchgate.net

Сулавко А.Е., Жумажанова С.С., Стадников Д.Г., Пасенчук В.А., Приз И.Л., Нигрей А.А. Идентификация человека с высокой точностью по особенностям работы головного мозга на основе визуальной стимуляции // Биомедицинская радиоэлектроника. - 2018. - №12. - С. 22-35. DOI: 10.18127/j15604136-201812-03

Рассмотрена проблема биометрической идентификации человека с использованием параметров электроэнцефалограмм (ЭЭГ), регистрируемых при наблюдении за визуальными стимулами. Описаны принципы работы зрительной системы человека, опираясь на которые был разработан и проведен эксперимент по сбору данных ЭЭГ испытуемых для последующего анализа с целью создания методов биометрической идентификации и аутентификации личности. Представлены преимущества разрабатываемых методов, обусловленные высокой сложностью фальсификации биометрических ЭЭГ-образов. Предложен метод идентификации человека по пара-метрам ЭЭГ с высокой точностью. Приведены результаты эксперимента.
On the person and psychophysiological state identification using electroencephalogram parameters
биометрический признак, электрическая активность мозга, ресурсное состояние, распознавание образов, машинное обучение
https://iopscience.iop.org/article/10.1088/1742-6596/1546/1/012092/pdf
A A Nigrey, A E Sulavko, A E Samotuga and D P Inivatov. On the person and psychophysiological state identification using electroencephalogram parameters // Journal of Physics: Conference Series. - Vol. 1546. - IV International Scientific and Technical Conference "Mechanical Science and Technology Update" (MSTU-2020) 17-19 March, 2020, Omsk, Russian Federation. - doi:10.1088/1742-6596/1546/1/012092
Разработка методов автоматического определения психофизиологического состояния (ПФС) человека является актуальной научно-технической задачей. Своевременное обнаружение факта пребывания субъекта в сонном состоянии или состоянии опьянения на рабочем месте позволит избежать аварийных ситуаций, нанесения вреда жизни, здоровью, причинения убытков. В настоящей работе собраны данные ЭЭГ 30 испытуемых в нормальном, сонливом состояниях и состоянии легкого алкогольного опьянения. В результате спектрального и корреляционного анализа данных ЭЭГ выделены признаки, определено количество информации о различии исследуемых состояний, содержащееся в признаках. Проведен вычислительный эксперимент по распознаванию состояния человека по данным ЭЭГ на основе «наивного» классификатора Байеса. Достигнут следующий уровень ошибок: 10.9% при распознавании состояний «норма» и «опьянение»; 0.2% при распознавании состояний «норма» и «засыпание».
Методы автоматической оценки психофизиологического состояния человека по параметрам электроэнцефалограмм (обзор)
Стресс, стадии и фазы сна, алкогольное опьянение, ритмы головного мозга, распознавание образов электроэнцефалограммы, анализ сигналов, исследование документального потока
ознакомиться с работой на researchgate.net
А.А. Нигрей, С.С. Жумажанова, А.Е. Сулавко. Методы автоматической оценки психофизиологического состояния человека по параметрам электроэнцефалограмм (обзор) // Биомедицинская радиоэлектроника. - №1 - 2020. - 21-33. - DOI 10.18127/j15604136-202001-02
Постановка проблемы. Психофизиологическое состояние (ПФС) человека напрямую влияет на его возможность вести трудовую деятельность. В данной работе рассмотрены следующие ПФС: стресс, сон (все фазы и стадии), сонливость (засыпание), алкогольное опьянение. Данные состояния являются наиболее важными с точки зрения необходимости их своевременной идентификации в процессе профессиональной деятельности сотрудников, чья работа связана с высокой концентрацией внимания и повышенной опасностью.
Цель работы – аналитико-синтетическое исследование проблемы автоматической оценки (распознавания) психофизиологического состояния человека по параметрам электроэнцефалограмм (ЭЭГ).
Результаты. Проанализированы, описаны и обобщены существующие методы и подходы к определению данных состояний по параметрам ЭЭГ. Приведены достигнутые результаты по идентификации данных состояний с использованием методов машинного обучения и распознавания образов.
Практическое значение. Большинство рассмотренных исследований опираются на анализ ритмов ЭЭГ, которые коррелируют с ПФС. Можно выделить наиболее перспективные методы распознавания состояний с использованием нейронных сетей и каскадов классификаторов. Не смотря на высокий уровень точности рассмотренных подходов, апробированные в лабораторных условиях методы имеют ряд проблем, которые на сегодняшний день являются нерешенными и требуют дальнейших исследований.
Распознавание личности и оценка ресурсного состояния человека на основе анализа электрической активности мозга
электроэнцефалограмма, нейрогарнитура, концентрация, медитация, интерфейс мозг-компьютер, анализ ритмов ЭЭГ, функциональное состояние мозга
ознакомиться с работой на researchgate.net
Сулавко А.Е., Пономарев Д.Б., Нигрей А.А., Хайдин Б.И. Распознавание личности и оценка ресурсного состояния человека на основе анализа электрической активности мозга // Нанотехнологии: разработка, применение — XXI век. - 2018. - №4. - С. 31-43. - DOI: 10.18127/j22250980-201804-05
Исследована электрическая активность мозга человека в процессе учебной деятельности для повышения эффективности систем дистанционного обучения. Проведен эксперимент, в котором анализировались электроэнцефалограммы (ЭЭГ) учащихся старших классов в процессе выполнения интеллектуальных задач. Апробировано несколько подходов к распознаванию чело-века по параметрам ЭЭГ (байесовский классификатор, нейросетевой преобразователь «биометрия-код» на базе ГОСТ Р 52633.5, сети квадратичных форм, сети многомерных байесовских функционалов). Актуальность работы связана с задачами, поставленными в рамках национальной технологической инициативы для формирования конкурентоспособных решений в сфере чело-веко-машинных коммуникаций и защиты информации.
Made on
Tilda