基于脑电模板与密码融合的双因素在线脑波验证系统：提升跨日识别与认证性能

为解决传统脑波验证系统性能低、缺乏在线功能及不可撤销性等问题，中国科学院半导体研究所团队提出一种融合密码与脑电（EEG）模板的双因素验证系统（DFBV）。通过单目标实验筛选序列、多目标离线实验优化参数，最终构建在线系统，采用240Hz刷新率和127位m序列编码键盘输入。跨6个月30名受试者数据显示，在线识别准确率达99.2%（4位密码）至100%（8位密码），认证等错误率（EER）低至0.8%。系统兼具模板可撤销性，显著提升安全性与实用性，为生物识别领域提供新范式。

　　

在信息化与数字化高速发展的今天，个人身份认证的安全隐患日益凸显。传统密码易被窃取，指纹、人脸等生物特征也存在伪造风险。相比之下，脑电信号（EEG）因其隐蔽性、活体检测特性被视为更高安全级别的生物标识。然而，现有脑波验证系统普遍面临性能不足、缺乏在线验证功能、跨日稳定性差等挑战。例如，静息态EEG范式需长达90秒数据才能达到98%识别率，事件相关电位（ERP）范式则因需多次刺激导致速度缓慢。视觉诱发电位（VEP）虽在拼写系统中表现优异，但跨日验证性能尚未充分验证。

针对这些问题，中国科学院半导体研究所与清华大学的研究团队在《Pattern Recognition》发表论文，提出一种革命性的双因素脑波验证系统（DFBV），将密码与EEG模板融合，显著提升在线识别与认证性能。研究通过三阶段实验设计：单目标实验筛选最优刺激序列，多目标离线实验优化参数，最终构建在线系统验证实际效果。关键技术包括127位m序列编码的视觉刺激（240Hz刷新率）、密码与EEG信号同步采集算法，以及基于伪随机序列的模板可撤销机制。实验纳入30名受试者，跨时6个月的数据验证系统长期稳定性。

刺激设计
研究采用300×300像素的方形视觉刺激，通过液晶显示器以1920×1080分辨率呈现，视距70cm（视角7.1°）。使用码调制视觉诱发电位（CVEP）技术，以“0/1”对应黑/白屏幕的伪随机序列编码，确保信号特异性。

单目标实验结果
数据显示，双因素识别性能显著优于单一因素（p<0.05）。在240Hz刷新率下，非特定识别与单目标识别差异不显著，但双因素识别准确率较统一识别提升超30%，证实密码融合的有效性。

在线系统性能
4位密码（4秒）识别准确率达99.2%，8位密码（8秒）达100%。认证环节的等错误率（EER）随密码长度增加而降低，8位密码仅0.8%（16秒数据）。跨日实验中，系统在6个月内保持稳定，突破传统EEG系统性能瓶颈。

结论与意义
该研究首次实现密码与EEG模板的在线双因素验证，兼具高精度（100%识别率）与高效率（8秒决策）。模板可撤销机制无需重复注册，大幅提升系统抗攻击能力。成果为脑机接口（BCI）在金融、安防等领域的应用奠定基础，推动生物识别技术向实用化迈进。未来工作将探索更复杂的多模态融合与动态密码更新策略。