文献

J-GLOBAL ID：202102238307694926   整理番号：21A0891360

認知プライバシー:モノのインターネットにおけるEEG信号を用いたAI可能プライバシー【JST・京大機械翻訳】

Cognitive Privacy: AI-enabled Privacy using EEG Signals in the Internet of Things

著者 (3件)： Schiliro Francesco (Macquarie University,Department of Computing,Sydney,Australia) ,  Moustafa Nour (School of Engineering and Information Technology, University of New South Wales Canberra,Canberra,Australia) ,  Beheshti Amin (Macquarie University,Department of Computing,Sydney,Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： DependSys  ページ： 73-79  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 産業4.0の出現により,モノのインターネット(IoT)と人工知能(AI),スマートエンティティは,現在,脳波(EEG)信号から認知パターンを抽出することにより,ユーザの心を読むことができる。このような脳データは,ユーザの経験,感情,動機,および他の以前に私的な精神および心理学的プロセスを含む可能性がある。従って,ユーザの認知プライバシーは違反し,認知プライバシーの権利は,これらのデータの未認可収集と同様に,脳データへの第三者による非コンセンサス侵入に対して個人を保護すべきである。これは,ユーザと産業専門家の間で,権利を認知的自由性に守る法律,精神プライバシーへの権利,精神の完全性の権利,および心理的連続性の権利を守るという懸念を引き起こした。本論文では,データおよび分類ユーザを保護し,EEGデータからタスクを分類することを目的とする,AI可能EEGモデル,すなわち認知プライバシーを提案した。正規化相関分析と分類対象(すなわち,マルチ分類問題)とそれらのタスク(すなわち,二値分類問題として眼の開眼と眼)を用いて,長い短期記憶(LSTM)深層学習アプローチを用いて,公開からデータを保護するモデルを提示する。モデルは,PhysioNet BCIのEEGデータセットを用いて評価し,結果は,高いデータプライバシーの達成により,ユーザとそれらのタスクを分類する高性能を明らかにした。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 脳波 ,  プライバシー ,  *人工知能 ,  許認可 ,  連続性 ,  完全性
準シソーラス用語： *モノのインターネット ,  脳波信号 ,  深層学習 ,  二値分類 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 認知 ,  プライバシー ,  インターネット ,  EEG信号 ,  AI