腦機接口(BCI)是通?？梢允褂媚X電圖(EEG)將人腦與電子設備連接的工具。近年來，機器學習(ML)的進步推動了更高級的BCI拼寫器的開發(fā)，這些設備使人們可以使用自己的思想與計算機進行通信。

到目前為止，該領域的大多數(shù)研究都集中在開發(fā)更快，更可靠的BCI分類器上，而不是研究其可能的安全漏洞。但是，最近的研究表明，無論是在計算機視覺，語音識別還是其他領域中使用，機器學習算法有時都可能受到攻擊者的欺騙。這通常是使用對抗性示例完成的，這些示例是人類無法區(qū)分的微小數(shù)據(jù)擾動。

華中科技大學的研究人員最近進行了一項研究，該研究調(diào)查了基于EEG的BCI拼寫器的安全性，更具體地講，它們?nèi)绾问艿綄剐愿蓴_的影響。他們的論文預先發(fā)表在arXiv上，表明BCI拼寫者被這些干擾所愚弄，因此極易受到對抗性攻擊。

進行這項研究的研究人員之一的董瑞瑞(Dongrui Wu)表示：“本文旨在揭示基于EEG的BCI拼寫程序以及更廣泛的基于EEG的BCI所面臨的關鍵安全問題，” “它表明，對于P300和穩(wěn)態(tài)視覺誘發(fā)電位(SSVEP)拼寫程序的目標攻擊，人們可以生成微小的對抗性EEG擾動模板，即，將分類誤導為攻擊者想要的任何字符，無論用戶使用什么字符是。”