איזון בין הפחתת רעש ושימור חתימות עצביות בביומטריה מבוססת EEG

מדוע גלי המוח שלך עלולים להיות הסיסמה הבאה שלך

דמיין שפתיחת הטלפון, חשבון הבנק או מעבדה מאובטחת מתבצעת לא באמצעות טביעת אצבע או סריקת פנים, אלא בעזרת הקצב הייחודי של גלי המוח שלך. המחקר בוחן כיצד אלקטרואנצפלוגרפיה (EEG) — אותות חשמליים זעירים הנמדדים על הקרקפת — יכולה לשמש ביומטריה עוצמתית לזיהוי אנשים. הכותבים מתמודדים עם בעיה מהעולם האמיתי: כיצד לנקות את אותות המוח הרועשים מבלי למחוק את התבניות העדינות שעושות את פעילות המוח של כל אדם ליחודית.

ההבטחה והבעיה של זיהוי באמצעות גלי מוח

ל‑EEG יש כמה יתרונות על פני ביומטריה מוכרת. בניגוד לפנים או לטביעת אצבע, פעילות מוחית קשה לזיוף, לא ניתן ללכוד אותה מרחוק ללא שיתוף פעולה, והיא משתנה אם אתה תחת לחץ — תכונות שמקנות לה משיכה לשימושים בעלי אבטחה גבוהה. אך EEG גם מבולגן. כניעות עפעוף, כיווץ לסת, מתח שרירים, תנועה והפרעות חשמליות מהסביבה מתערבבים עם אותות המוח האמיתיים. שיטות ניקוי מסורתיות לרוב מניחות תנאי מעבדה רגועים ועלולות להיות נוקשות, ולמחוק ערוצים או הקלטות שלמות שנראות חשודות. בפריסות אמיתיות עם קסדות לצרכן, נוקשות כזו עלולה להסתיים בהחלפת קטעים גדולים של פעילות מוחית אמיתית בהסקות מתמטיות ובמחיקת ה"טביעת מוח" הנחוצה לזיהוי אדם.

דרך עדינה יותר לנקות אותות מוח

החוקרים מציעים צינור עיבוד מקצה לקצה שנועד לאזן בין הפחתת רעש לשמירה על חתימות עצביות אישיות. בעבודה עם מאגר הנתונים Brain Encoding, הכולל 21 מתנדבים על פני מפגשים שונים וסוגי משימות שונים, הם השוו שלוש גרסאות של הנתונים: הקלטות גולמיות לחלוטין, אותות שעובדו בניקוי מתון ושמרני יותר של שגרת עיבוד סטנדרטית (הנקראת PREP), וקבוצת תכונות שנבחרו על ידי מומחים ונכללות בחבילה עם המאגרים. אסטרטגיית הניקוי הסלחנית שלהם כוללת מספר שלבים — הסרה ידנית של תקלות חומרה ברורות, סינון עדין להסרת שיטפונות איטיים ורעש קו חשמל, גילוי ותיקון זהיר של ערוצים פגומים, והתייחסות מחדש של האותות מול ממוצע כולל — תוך הגבלה של כמה מתוך כל הקלטה ניתן לשחזר במקום למדוד, כך שיישאר מספיק פעילות מוחית אותנטית לזיהוי.

להפוך גלי מוח לתבניות שניתן לזהות

כדי להשוות בין גרסאות הנתונים באופן הוגן, הצוות חילץ מאותה הקטגוריה של תכונות מכל גרסה: תיאורים קומפקטיים של תוכן התדר של האות המוכרים כמקדמי צפקטרום בתדר מל (MFCC), הנמצאים בשימוש נרחב בזיהוי דיבור. תכונות אלה מסכמות כיצד ההספק מחולק בין רצועות גלי מוח — מקצבים איטיים ועייפים ועד פעילות מהירה הקשורה לתשומת לב — על פני כל 14 ערוצי ה‑EEG. וקטורים של דפוסים אלה הוזנו לאחר מכן למספר מודלים סטנדרטיים של למידת מכונה, כולל עצי החלטה, יערות אקראיים, מכונות וקטור תמיכה, ואלגוריתם בשם XGBoost, הן בנפרד והן באנסמבל שמשלב את קולותיהם. המטרה הייתה פשוטה: בהתחשב בקטע EEG קצר, לנבא מאיזה מתוך 21 האנשים הוא הגיע.

כמה טוב ניתן לזהות מוח?

בתוך מפגש הקלטה יחיד התוצאות היו מרשימות. באמצעות הנתונים שעברו ניקוי סלחני, XGBoost זיהה פרטים עד ל‑98 אחוז דיוק, במיוחד בתנאי גירוי חזותי ספציפי שבו המתנדבים צפו בדפוסים מהבהבים במהירות, עשירים בצבע, בתדר של 10 הרץ. בממוצע, הניקוי הזה שיפר את הדיוק בכ‑כ‑5 אחוז על פני האותות הגולמיים וביותר מ‑8 אחוז על פני התכונות שסופקו על ידי המומחים, והרווחים הללו היו מהימנים מבחינה סטטיסטית. מנוחת עיניים עצומות התגלה כתנאי חזק נוסף, שהעניק דיוק גבוה עם הוראות פשוטות יותר. כאשר הצוות בדק עמידות בין ימים או מפגשים שונים — אתגר קשה יותר — הביצועים ירדו, בהשפעת שינויים טבעיים במצב המוח ובהצבת החיישנים. אף על פי כן, הנתונים שעברו ניקוי סלחני עדיין התעלו על הגולמי והמעובד הקונבנציונלי, כאשר מנוחת עיניים עצומות הראתה את הזהויות היציבות ביותר לאורך הזמן.

מה משמעות הדבר לעתיד אבטחת גלי מוח

לאחרים שאינם מומחים, המסר הוא כזה: הפעילות החשמלית של המוח שלך אכן יכולה לתפקד כסיסמה, אך רק אם נטפל בנתונים בקפידה. המחקר מראה שניקוי עדין של אותות EEG — הסרת הרעש הגרוע מבלי לתקן בצורה מופרזת — נותן למערכות למידת מכונה מבט ברור ואמין יותר על הדפוסים שמבדילים בין מוחו של אדם לאדם אחר. הוא גם מדגיש אילו מצבים הכי יעילים: הבהוב חזותי עשיר וקצבי למקסימום דיוק בתוך מפגש בודד, ומנוחה שקטה עם עיניים עצומות ליציבות טובה יותר בין ימים. בעוד שהביצועים בין ימים עדיין אינם מספיקים לביטחון רגיש בעצמם, העבודה מספקת כללי עיצוב מעשיים למערכות אימות מבוססות EEG עתידיות עם קסדות במחיר סביר — החל מאופן ניקוי הנתונים וכלה אילו משימות לבקש מהמשתמשים לבצע.

ציטוט: Usman, M., Sultan, N., Nasim, A. et al. Balancing noise reduction and neural signature preservation in EEG biometrics. Sci Rep 16, 6674 (2026). https://doi.org/10.1038/s41598-026-36840-4

מילות מפתח: ביומטריית EEG, אימות באמצעות גלי מוח, עיבוד אותות מקדים, למידת מכונה, חתימות עצביות