通过对抗性混沌协同效应实现无线脑机接口（BMI）的多层安全性

《IEEE Open Journal of the Communications Society》：Multi-layer Security for Wireless BCIs via Adversarial Chaos Synergy

　　

摘要：

虽然我们受益于去噪自编码器（DAE）的众多功能，但这些系统的广泛采用也带来了一些安全风险。传统的混沌掩码和干扰防御措施无法防止配备了DAE的窃听者。混沌掩码可以为信号添加随机性，从而提高安全性，但它无法阻止DAE的检测。为了解决这个问题，我们设计了一种基于长短期记忆网络（LSTM）的安全脑机接口（BCI），该接口结合了对抗性训练和混沌信号。我们构建了一个优化模型来描述这种BCI，并生成了一个低功耗的扰动向量。实验结果表明，当噪声方差为0.2时，非法DAE的均方根误差（RMSE）超过了1.2；而非对抗性训练条件下的性能约为0.5。此外，在相同的计算复杂度条件下，我们评估了不同神经网络的性能，其中LSTM的性能最佳，其计算复杂度约为每符号3×10^4次实数乘法操作（RMpS）。所提出的对抗性混沌协同（ACS）框架兼容云/边缘基础设施。凭借这些特性，ACS方法适用于移动医疗服务、轻量级生物医学仪器、脑机网络和智能医院等应用。