Zastosowanie pomiarów elektroencefalograficznych EEG w procesie uwierzytelniania biometrycznego użytkowników

• Autorzy: Paszkiel S. , Kawala A. , Zmarzły D. , Szmechta M.

Warianty tytułu

EN

Application of electroencephalographic (EEG) measurements in biometrics-based users authenticating system process

• Języki publikacji: PL

Abstrakty

PL

W niniejszym artykule opisano podstawy projektowanego systemu uwierzytelniania w oparciu o biometrię, który w przyszłości ma na celu rozbudowanie opisanej koncepcji w zastosowaniach praktycznych. EEG jako zapis neurofizjologicznej aktywności elektrycznej mózgu może znaleźć zastosowanie w szeroko pojętej biometryce. Pomimo, iż sygnał EEG jest zmienny w czasie i zależny od psychicznego i fizycznego stanu osoby badanej, możliwa jest identyfikacja osób na podstawie pomiarów sygnału EEG. Biometryczne badania na podstawie sygnałów EEG są utrudnione zarówno przez brak bezpośredniego kontaktu z mózgiem człowieka, w wyniku czego sygnał posiada bardzo niski potencjał, jak i poprzez pojawiające się w badanym sygnale artefakty, których ekstrema pokrywają się ze spektrum samej czynności mózgu, utrudniajśc ich usunięcie. EEG znajdowało do tej pory zastosowanie głównie w diagnostyce chorób, co polegało na identyfikacji pewnych wspólnych cech u osób badanych o tych samych przypadłościach. Możliwe jest, więc zastosowanie z powodzeniem sygnału EEG w celu identyfikacji osób, niezależnie od ich stanu. Prowadzone badania naukowe przy użyciu EEG mają na celu udowodnić, że elektroencefalogram może służyć do identyfikacji użytkowników w sieci. Sygnał EEG po aktywizacji podlega technikom wstępnej obróbki, z której wyliczone zostaną cechy modelu auto regresyjnego (ang. auto regressive). Uzyskane w wyniku obliczeń cechy, zostaną przekazane do klasyfikatora, który rozróżni na tej podstawie daną osobę od pozostałych.

EN

The article describes the processing foundations of the designed biometrics-based users authenticating system, the said system to be extended and employed in practice in the future. EEG as a recording of neurophysiologic electric activity of the brain may be used in broadly understood biometrics. Despite the fact that the EEG signal varies in time and is dependent on the physical and mental condition of the testee, individuals may be identified based on measurements of the EEG signals. Biometric investigations based on the EEG signals are hindered by lack of direct contact with the human brain, resulting in the signal having a very low potential, as well as by artifacts that appear in the investigated signal itself, with their peaks overlapping the spectrum of cerebral activity, rendering their eradication difficult. To date, EEG has been employed chiefly for diagnostic purposes as a tool for identifying common features in individuals suffering from the same diseases. Thus, it is possible to employ EEG in identification of individuals irrespectively of their condition. Research carried out employing EEG aim at proving that an electroencephalogram may serve to identify users of a network. Following activation, the EEG signal undergoes preliminary processing, which allows for calculating the properties of an auto regressive model. The thus calculated properties are relayed to a classifying device, which will differentiate a given individual from any other persons.

Słowa kluczowe

PL

uwierzytelnianie; EEG; elektroencefalografia; analiza sygnałów

EN

authenticating; EEG; electroencephalography; signal analysis

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2007
• Tom: R. 53, nr 9 bis
• Strony: 433--436
• Opis fizyczny: Bibliogr. 27 poz., rys., wzory

Twórcy

autor

Paszkiel S.

• Politechnika Opolska, Wydział Elektrotechniki, Automatyki i Informatyki, Instytut Elektroenergetyki

autor

Kawala A.

• Politechnika Opolska, Wydział Elektrotechniki, Automatyki i Informatyki, Instytut Elektroenergetyki

autor

Zmarzły D.

• Politechnika Opolska, Wydział Elektrotechniki, Automatyki i Informatyki, Instytut Elektroenergetyki

autor

Szmechta M.

• Politechnika Opolska, Wydział Elektrotechniki, Automatyki i Informatyki, Instytut Elektroenergetyki

Bibliografia

• [1] Schumacher H. J., GHOSH S., A fundamental framework for network security, Journal of Network and Computer Applications, p. 305-322, 1997
• [2] Venter H. S., Eloff J. H. P., Network Security: Important Issues, Department of Computer Science, Rand Afrikaans University, s. 147-154, 1992
• [3] Laurrieu N., Owezarski P.: Towards a Measurement Based Networking approach for Internet QoS improvement. Computer Communications, Vol. 28, s. 259-273, 2005
• [4] White T., Pagurek B., Bieszczad A., Network Modeling for Management Applications Using Intelligent Mobile Agents, Journal of Network and Systems Management, Vol. 7, No. 3, 1999
• [5] Todorova P., Network Control in ATM-Based LEO Satellite Networks, Telecommunication Systems 22:1-4, p. 321-335, 2003
• [6] Bush S. F., Frost V. S., A Framework for Predictive Network Management of Predictive Mobile Networks, Journal of Network and Systems Management, Vol. 7, No. 2, 1999
• [7] Ibrahim T., Venin J. M., Garcia G., „Brain Computer Interface in Multimedia Communication”, IEEE Signal Processing Magazin, vol. 20 (1), 2003
• [8] Dudek Z. T.: Interfejs BCI - próba przełamania bariery pomiędzy człowiekiem a komputerem, Przegląd Telekomunikacyjny i Wiadomości Telekomunikacyjne, nr: 7/2003
• [9] Georgopoulos A. P., Langheim F. J., Leuthald A. C., Merkle A. N.: Magnetoencephalographic signals predict movement trajectory in space, Exp Brain Res, Vol. 25, s. 132-135, 2005
• [10] Szlenberg W., Potencjały wywołane, Wydawnictwo Elmiko, Wydanie pierwsze 2001
• [11] Majkowski J., Elektroencefalografia kliniczna, Państwowy Zakład Wydawnictw Lekarskich, Warszawa 1989
• [12] Szabela D. A., Potencjały wywołane w praktyce lekarskiej, Łódzkie Towarzystwo Naukowe, Wydanie pierwsze 1999
• [13] Walsh K., Neuropsychologia kliniczna, Wydawnictwo naukowe PWN, Warszawa 2000
• [14] Dudek Z. T., Pierwsze urządzenia bezpośrednio sterowane falami mózgowymi. Przeszkody ostatniego metra pokonane?, Przegląd Telekomunikacyjny i Wiadomości Telekomunikacyjne, nr: 11/2003
• [15] Dudek Z. T., Bezpośrednie interfejsy mózgu - BMI, Przegląd Telekomunikacyjny i Wiadomości Telekomunikacyjne, nr: 7/2003
• [16] Schwartz A. B., Taylor D. M., Tillery S. I. H.: Extraction algorithms for cortical control of arm prosthetics. Curr Opin Neurobiol, Vol. 11, s. 701-708, 2001
• [17] Kleber B., Birbaumer N.: Direct brain communication: neuroelectric and metabolic approaches at Tübingen, Cogn Process, Vol. 6, s. 65-74, 2005
• [18] Mason S. G., Moore M. M., Birch G. E.: A General Framework for Characterizing Studies of Brain Interface Technology, Annals of Biomedical Engineering, Vol. 33, No. 11, s. 1653-1670, 2005
• [19] Hung C., Lee P., Wu Y., Chen L. Yeh T., Hsieh J.: Recognition of Motor Imagery Electroencephalography Using Independent Component Analysis and Machine Classifiers, Annals of Biomedical Engineering, Vol. 33, No. 8, s 1053-1070, 2005
• [20] Cincotti F., Babiloni F., Mattiocco M., Astol L., Bufalari S., Marciani M.G., Mattia D.: Design of a brain computer using the novel principles of output-driven operation and memory-based architecture, Cogn Process, Vol. 6, s. 75-83, 2005
• [21] Matsumotoa G., Tsujinob H.: Design of a brain computer using the novel principles of output-driven operation and memorybased architecture, International Congress Series 1250, 2003, s. 529-546
• [22] Moore M. M, Mason S. G., Birch G. E.: Analyzing Trends in Brain Interface Technology: A Method to Compare Studies: Annals of Biomedical Engineering, Vol. 34, No. 5, s. 859-878, 2006
• [23] Koizimi H., Maki A., Yamamoto T., Sato H., Yamamoto Y., Kawaguchi H.: Non-invasive brain-function imaging by optical topography, Trends in Analytical Chemistry, Vol. 24, No. 2, s. 147-157, 2005
• [24] Krausz G., Scherer R., Korisek G., Pfurtscheller G.: Critical Decision-Speed and Information Transfer in the „Graz Brain Computer Interface”, Applied Psychophysiology and Biofeedback, Vol. 28, No. 3, s. 233-240, 2003
• [25] Cremades J. G., Baretto A., Sanchez F., Adjouadi D.: Human-computer interfaces with regional lower and upper alpha frequencies as on-line indexes of mental activity, Computers in Human Behavior, Vol. 20, s. 569-579, 2004
• [26] Zeigler B. P.: The brain-machine disanalogy revisited, BioSystems, Vol. 64, s. 127-140, 2002
• [27] Yamasaki H.:The future of sensor electronics, Sensor and Actuators Nr. A56, s. 129-133, 1996