Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Название статьи
- Анализ методов распознавания образов человека по особенностям электроэнцефалограмм (Обзор)
- Авторы
- Сулавко Алексей Евгеньевич sulavich@mail.ru, канд. техн. наук, доцент кафедры "Комплексная защита информации", ФГАОУ ВО "Омский государственный технический университет", г. Омск, Россия
Куприк Анна Ивановна ann.ik@mail.ru, магистрант факультета "Информатика и вычислительная техника", Омский государственный технический университет, г. Омск, Россия
Старков Максим Андреевич gibsman319@gmail.com, магистрант факультета "Информатика и вычислительная техника", Омский государственный технический университет, г. Омск, Россия
Стадников Денис Геннадьевич sdg250598@inbox.ru, инженер-программист, ФГБОУ ВО «Омский государственный технический университет», г. Омск, Россия
- В разделе
- ТЕХНИЧЕСКАЯ ЗАЩИТА ИНФОРМАЦИИ. УПРАВЛЕНИЕ ДОСТУПОМ
- Ключевые слова
- электроэнцефалограмма / идентификация / аутентификация / распознавание образов / информативность признаков / интерфейс мозг-компьютер / анализ биометрических параметров
- Год
- 2018 номер журнала 4 Страницы 36 - 46
- Индекс УДК
- 004.5
- Код EDN
- Код DOI
- Финансирование
- Тип статьи
- Обзорная статья
- Аннотация
- 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.
- Полный текст статьи
- Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Список цитируемой литературы
-
Звездочкина Н. В. Исследование электрической активности головного мозга. - Казань: Казан. ун-т, 2014. - 59 с.
Гнездицкий В. В. Обратная задача ЭЭГ и клиническая электроэнцефалография (картирование и локализация источников электрической активности мозга). - М.: МЕДпрессинформ, 2004. - 624 с.
Glasser M. F. et al. A multi-modal parcellation of human cerebral cortex // Nature. 2016. No. 536 (7615). P. 171-178.
Горшков Ю. Г. Обработка речевых и акустических биомедицинских сигналов на основе вейвлетов. - М.: Радиотехника, 2017. - 240 с.
Kumari P., Vaish A. Brainwave based user identification system: A pilot study in robotics environment // Robotics and Autonomous Systems. 2017. No. 65. P. 15-23.
Bajwa G., Dantu R. Neurokey: Towards a new paradigm of cancelable biometrics-based key generation using electroencephalograms // Computers & Security. 2016. No. 62. P. 95-113.
Li Y. et al. Personal Identification Based on Content-Independent EEG Signal: Chinese Conference on Biometric Recognition. Beijing, China. 28-29 Oct. 2017. P. 537-544.
Thorpe J., van Oorschot P. C., Somayaji A. Pass-thoughts: authenticating with our minds: Proc. ACM NSP, 2005. P. 45-56.
Zúquete A., Quintela B., Cunha J. P. S. Biometric authentication using brain responses to visual stimuli // Biosignals, Aveiro, Portugal: IEETA. 2010. P. 103-112.
Ferrari V. J. Detecting novelty and significance // J. Cognitive Neurosci. 2010. No. 22 (2). P. 404-411.
Donchin E., Spencer K. M., Wijesinghe R. The mental prosthesis: assessing the speed of a p300-based brain-computer interface // IEEE Trans. Rehabil. Eng. 2000. No. 8 (2). P. 174-179.
Lotte F., Congedo M., Lauyer A., Lamarche F., Arnaldi B. A review of classification algorithms for EEG-based brain-computer interface // J. Neural. Eng. 2007. No. 4. P. 1-13.
Kölsch M., Turk M. Keyboards without keyboards: a survey of virtual keyboards: Proc. SIMS, 2002. P. 1-8.
Safi S. M. et al. SSVEP recognition by modeling brain activity using system identification based on Box-Jenkins model // Computers in Biology and Medicine. 2018. No. 101. P. 82-89.
Suetani H. et al. Manifold Learning Approach to Chart Human Brain Dynamics Using Resting EEG: International Conference on Complex Systems. Cambridge, USA, 22-27 Jul. 2018. P. 359-367.
Maiorana E. et al. Eigenbrains and Eigentensorbrains: Parsimonious bases for EEG biometrics // Neurocomputing. 2016. No. 171. P. 638-648.
Marcel S., Millan J. D. L. R. Person Authentication Using Brainwaves (EEG) and Maximum A Posteriori Model Adaptation // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2007. No. 29 (4). P. 17.
Klonovs J. et al. Development of a Mobile EEG-based Biometric Authentication System // Paper presented at WWRF Meeting. 2012. P. 1-7.
Kavitha P. T., Vinod A. P. EEG-Based Biometric Authentication Using Gamma Band Power During Rest State // Circuits Syst Signal Process. 2018. No. 37. P. 277-289.
Ruiz-Blondet M. V. et al. CEREBRE: A Novel Method for Very High Accuracy Event-Related Potential Biometric Identification // IEEE Transactions on Information Forensics and Security. 2016. No. 11 (7). P. 1618-1629.
Ruiz-Blondet M. V. et al. Permanence of the CEREBRE brain biometric protocol // Pattern Recognition Lett. 2017. No. 95. P. 37-43.
Armstrong B. C. et al. Brainprint: Assessing the uniqueness, collectability, and permanence of a novel method for ERP // Neurocomputing. 2015. No. 166. P. 59-67.
Nguyen D. et al. On The Study Of EEG-based Cryptographic Key Generation // Procedia Computer Science. 2017. No. 112. P. 936-945.
Akhila V. A. et al. A New Cryptographic Key Generation Scheme Using Psychological Signals // Procedia Technology. 2016. No. 25. P. 286-292.
Nguyen D. et al. On the Study of Impacts of Brain Conditions on EEG-based Cryptographic Key Generation Systems // Procedia Computer Science. 2018. No. 126. P. 713-722.
DamaševiIius R. et al. Combining Cryptography with EEG Biometrics // Computational Intelligence and Neuroscience. 2018. P. 11.
Nguyen D. et al. Emotional Influences on Cryptographic Key Generation Systems using EEG signals // Procedia Computer Science. 2018. No. 126. P. 703-712.
Гончаров С. М., Вишняков М. С. Идентификация пользователей на основе электроэнцефалографии с использованием технологий "Интерфейс мозг-компьютер" // Доклады Томского государственного университета систем управления и радиоэлектроники. 2012. № 1-2. С. 166-170.
Вишняков М. С., Маркин М. Е., Гончаров С. М. Использование потенциалов коры головного мозга для парольной идентификации на основе технологии "ИМК" // Информация и безопасность. 2012. Т. 15. № 3. С. 404-409.
Байрушин Ф. Т. Использование электроэнцефалограммы головного мозга в биометрических системах идентификации // Доклады Башкирского университета. 2016. Т. 1. № 3. С. 518-523.
Гончаров С. М., Боршевников А. Е. Нейросетевой преобразователь "Биометрия-код доступа" на основе мысленного pin-кода: тр. науч.-техн. конф. кластера пензенских предприятий, обеспечивающих безопасность информационных технологий. 2014. Т. 9. С. 46-50.
Гончаров С. М., Боршевников А. Е. Нейросетевой преобразователь "Биометрия-код доступа" на основе электроэнцефалограммы в современных криптографических приложениях // Вестник СибГУТИ. 2016. № 1. С. 17-22.
Abo-Zahhad M. et al. A new multi-level approach to EEG based human authentication using eye blinking // Pattern Recognition Lett. 2016. No. 82. P. 216-225.
Wu Q. et al. An EEG-Based Person Authentication System with Open-Set Capability Combining Eye Blinking Signals // Sensors. 2018. No. 18. P. 18.
DelPozo-Banos M. et al. EEG biometric identification: a thorough exploration of the time-frequency domain // Journal of Neural Engineering. 2015. No. 12 (5). P. 123.
Huang X. et al. Human Identification with Electroencephalogram (EEG) for the Future Network Security: International Conference on Network and System Security. 2013. P. 575-581.
Liang W. et al. A secure identity recognition scheme based on electroencephalogram data with multi-factor feature // Computers and Electrical Engineering. No. 65. P. 310-321.
Wu Q. et al. (2018). Anti-deception: reliable EEG-based biometrics with real-time capability from the neural response of face rapid serial visual presentation. [Электронный ресурс]. Код доступа: Ошибка! Недопустимый объект гиперссылки.articles/ 10.1186/s12938-018-0483-7/
Yeom S.-K. et al. Person authentication from neural activity of face-specific visual self-representation // Pattern Recognition. 2013. No. 46. P. 1159-1169.
Sharma P. K., Vaish A. Individual identification based on neuro-signal using motor movement and imaginary cognitive process // Optik. 2016. No. 13. P. 2141-2148.
Kanga J.-H. et al. Electroencephalographic feature evaluation for improving personal authentication performance // Neurocomputing. 2018. No. 287. P. 93-101.
Gui Q. et al. Exploring EEG-based Biometrics for User Identification and Authentication: Materials of IEEE Signal Processing in Medicine and Biology Symposium (SPMB14). 2014. P. 6.
Sohankar J. et al. E-BIAS: A Pervasive EEG-Based Identification and Authentication: System: 11th ACM International Symposium on QoS and Security for Wireless and Mobile Networks. 2015. - 8 р.
Гончаров С. М., Боршевников А. Е., Половинко А. С. Генератор синтетических образов электроэнцефалограмм активности головного мозга, используемый для увеличения размеров тестовых и обучающих выборок биометрических данных: тр. науч.-техн. конф. кластера пензенских предприятий, обеспечивающих безопасность информационных технологий. Пенза-2016. Т. 10. С. 52-57.
Иванов А. И., Ложников П. С., Сулавко А. Е. Оценка надежности верификации автографа на основе искусственных нейронных сетей, сетей многомерных функционалов Байеса и сетей квадратичных форм // Компьютерная оптика. 2017. Т. 41. № 5. С. 765-774.
- Купить
