High-Dimension EEG Biometric Authentication Leveraging Sub-Band Cube-Code Representation
Notice bibliographique
Résumé
Advancements in EEG biometric technologies have been hindered by two persistent challenges: the management of large data sizes and the unreliability of data resulting from various measurement environments.Addressing these challenges, this study introduces a novel methodology termed 'Cube-Code' for cognitive biometric authentication.As a preliminary step, Automatic Artifact Removal (AAR) leveraging wavelet Independent Component Analysis (wICA) is applied to EEG signals.This step transforms the signals into independent sub-components, effectively eliminating the effects of muscle movements and eye blinking.Subsequently, unique 3-Dimensional (3-D) Cube-Codes are generated, each representing an individual subject in the database.Each Cube-Code is constructed by stacking the alpha, beta, and theta sub-band partitions, obtained from each channel during each task, back-to-back.This forms a third-order tensor.The stacking of these three subbands within a Cube-Code not only prevents a dimension increase through concatenation but also permits the direct utilization of non-stationary data, bypassing the need for fiducial component detection.Higher-Order Singular Value Decomposition (HOSVD) is then applied to perform a subspace analysis on each Cube-Code, an approach supported by previous literature concerning its effectiveness on 3-D tensors.Upon completion of the decomposition process, a flattening operation is executed to extract lower-dimensional, taskindependent feature matrices for each subject.These feature matrices are then employed in five distinct deep learning architectures.The Cube-Code methodology was tested on EEG signals, composed of different tasks, from the PhysioNet EEG Motor Movement/Imagery (EEGMMI) dataset.The results demonstrate an authentication accuracy rate of approximately 98%.In conclusion, the novel Cube-Code methodology provides highly accurate results for subject recognition, delivering a new level of reliability in EEG-based biometric authentication.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».