EEGMAT

研究发现可穿戴脑电图系统存在重大隐私风险

一篇题为“NeuroPriv：用于可穿戴脑电图系统隐私的对抗性表示学习”的新研究论文强调了可穿戴脑电图（EEG）系统存在的重大隐私风险。研究表明，常用的脑电图特征虽然在认知监测方面很有效，但也会泄露敏感的个人信息，例如参与者的身份和人口统计属性。研究人员开发了一种注重隐私的表示学习方法，该方法在保持任务性能的同时，显著降低了这些推断的准确性，突显了神经健康技术中对目的限制性表示和明确隐私审计的需求。