《浅析脑纹识别技术.docx》由会员分享，可在线阅读，更多相关《浅析脑纹识别技术.docx（4页珍藏版）》请在课桌文档上搜索。
1、传统的身份识别方式如通过密码、身份证号等与本体可分离的信息进行识别存在遗失、被盗、遗忘等风险，防攻击能力较弱。随着生物识别技术的不断发展，人脸、指纹等生物特征信息成为个人身份的重要标识，被广泛应用在金融、交通、政务等领域的身份认证场景。近年来，一种新型的生物识别技术一一脑纹识别开始被人们关注，与其他生物特征相比，脑纹具有不可盗取、不可伪造、强制活体检测的特性，因此，脑纹识别是一种较安全的个人身份识别方式，有着广泛的研究价值和应用前景。一、何为脑纹“脑纹”这一概念是由宾汉姆顿大学SarahLaSZIo课题组提出的，是指一种特殊的脑电信号特征，这种特征具有可采集且持久的特点，可以用于个人身份识别。
2、显然，脑电信号只能来源于活体，非生物体或死亡生物体均无法产生脑电信号，所以脑纹具有强制活体检测能力。脑电信号来自于大脑的思维活动，不同个体有着不同的神经路径模式，因此非常难伪造，从目前的科技发展水平来看，窃取脑电信号是一项基本无法实现的想法，这使得脑纹具有防窃取性。在机密性与安全性需求比较高的场景，使用脑电信号进行身份验证能够进一步保障信息安全，因此脑纹识别的研究是有发展前景和价值的。二、脑纹识别技术目前学术界对于脑纹识别有数种不同的技术方案，本文将对基于静息电位、视觉诱发电位、运动想象和事件相关电位四种技术手段的脑纹识别进行介绍（如图1所示）。任务类型课题组理论方法静息态PHraIIjaPr
3、等11基于不同阶数的白回归模型刘泉影等W脑电的功率谱,各个波段的中心频率、功率和BP神经网络Maiorana等w本征脑和本征张量脑,均值PC和多线性PCA视觉诱发Das等15时空滤波器5VM和U）APanmjHPe等多信号分类算法.Elman神经网络Gui等四小波包分解,人工神经网络运动想像Manel等基于高斯混合模型和最大后验概率模型的统计框架胡剑锋等4243AH模型,滑动窗口平均，人工神经网络Xiao等51基于Fisher距离和多层神经网络的特征提取事件相关YCom等高斯卷积模型.SVM和交叉验证Armstrong等46交叉验证.发放自编码，支撑向量机刘晶等1官金安等49Farwell范式
4、和交叉验证作监督学习,支撑向员:机图1基于脑纹的身份识别方法概述1.基于静息电位的脑纹识别当大脑处于安静放松的状态，没有执行某一项具体任务时，被称为“静息态”，也是大脑最为基础的状态，利用核磁共振对其成像，可以直观显示静息态下大脑不同区域的低频血氧水平依赖信号的波动，即中枢神经在静息状态下的基础活动。科学研究表明，上述信号在不同个体之间有着明显的差异，所以个体的静息脑电信号有着独一无二的特性。研究人员通过提取个体的静息态脑电信号并将其投影至均值主成分分析空间中，利用线性判别分析和BP神经网络进行分类，识别准确率分别达到87.94%和90%。2 .基于视觉诱发电位的脑纹识别神经系统接收视觉刺激时
5、，大脑会产生特定的活动，激发出特定的脑电信号，这就是视觉诱发电位。这种电位发生在特定时间和部位，便于采集和检测，被采集者不需要训练或者只需要少量训练。研究人员采用gamma波段诱发脑电信号，通过K-近邻算法分类，脑纹识别准确率达到96.13%,而在改用Elman网络进行分类时，准确率提高到98.12%。基于视觉诱发电位的脑纹识别方法准确率更高，但是需要通过图片刺激视觉，长时间会使待识别者感到疲劳，难以持续集中精力，导致脑电信号波动，无法准确识别。同时该方式依赖于视觉刺激，对视觉障碍人员不友好。3 .基于运动想象的脑纹识别大脑在想象某种肢体活动的时候，会产生一种特定的脑电信号，这种脑电信号被称为
6、“运动想象脑电信号”。当肢体处于运动状态或者大脑想象身体处于运动状态的时候，大脑皮层处于兴奋状况下释放的P波和大脑长时间休息时出现的M波都会减小，脑电图会出现明显的同步现象。不同运动想象的脑电信号在特征频段上有差别，所以并不需要使用者真实完成要求的运动，身体残疾、视觉残疾等特殊人群也可以正常使用这种识别方式。研究人员采用回归模型和信号功率谱，对运动想象脑电信号进行特征提取，并使用BP模型进行分类并识别。实验表明，在测试人员想象舌头运动的情况下，脑纹识别准确率可以达到90.6%0基于运动想象的脑纹识别方式在脑纹采集的过程中需要被采集者高度配合，而且不同的运动类型对于身份识别有着较大影响，识别准确
7、率的波动较大。4.基于事件相关电位的脑纹识别当大脑对某个事件进行记忆、思考等处理时，在头颅表面记录到的大脑电位波动就是事件相关电位。个体在进行认知行为的时候，大脑的神经电位会出现明显的生理改变，通过视觉、听觉、嗅觉等刺激，事件相关电位的变化在不同的个体之间特异性非常强，因此这项技术被认为是最适合应用于脑纹身份识别的技术手段。研究人员利用事件相关电位进行身份识别，给予不同的测试者不同的目标刺激，通过PDA和LDA进行分类，识别准确率分别达到了87.2%和97.6%0基于事件相关电位的脑纹识别方式需要被采集者在全过程中配合执行额外的认知任务，因此对于有认知障碍的使用者，该方法无法正常使用。三、脑纹
8、识别技术应用展望目前，学术界在脑纹识别领域已经有了很多的尝试，但是该技术对用户要求较高，需要用户高度配合，而且不同采集方式得到的脑电特征适用于不同的识别方式，脑电采集方式和识别方法无法统一。因此，找到一种与任务无关的且无需用户高度配合的脑纹识别方式才是推动该技术落地应用的关键要素。若能够解决上述问题，在金融行业中安全性要求较高的场景，如金库、保险箱等，脑纹识别技术的运用可以进一步提高身份认证安全性。总体而言，脑纹识别的理论研究目前仍在蓬勃发展中，而脑纹用于身份识别的可行性也在不断论证中。在信息安全日益重要的今天，如果脑纹采集方式和脑纹识别配合度可以得到优化，相信这项技术将会走出学术界，迎来更多应用机会。
