CN112511313B - 一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法 - Google Patents

一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法 Download PDF

Info

Publication number
CN112511313B
CN112511313B CN202011343316.2A CN202011343316A CN112511313B CN 112511313 B CN112511313 B CN 112511313B CN 202011343316 A CN202011343316 A CN 202011343316A CN 112511313 B CN112511313 B CN 112511313B
Authority
CN
China
Prior art keywords
user
electroencephalogram
sequence
authentication
bit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011343316.2A
Other languages
English (en)
Other versions
CN112511313A (zh
Inventor
黄海平
韩高榕
丁楚楚
杨健
吴忧
李琦
戴华
程伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202011343316.2A priority Critical patent/CN112511313B/zh
Publication of CN112511313A publication Critical patent/CN112511313A/zh
Application granted granted Critical
Publication of CN112511313B publication Critical patent/CN112511313B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H04L9/3231—Biological data, e.g. fingerprint, voice or retina
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/06—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols the encryption apparatus using shift registers or memories for block-wise or stream coding, e.g. DES systems or RC4; Hash functions; Pseudorandom sequence generators
    • H04L9/0618—Block ciphers, i.e. encrypting groups of characters of a plain text message using fixed encryption transformation
    • H04L9/0625—Block ciphers, i.e. encrypting groups of characters of a plain text message using fixed encryption transformation with splitting of the data block into left and right halves, e.g. Feistel based algorithms, DES, FEAL, IDEA or KASUMI
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0861—Generation of secret information including derivation or calculation of cryptographic keys or passwords
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Power Engineering (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法，首先进行用户注册阶段：对初始脑电数据集进行预处理；利用逐点双列相关系数法和关系系数选出用户对应的最优电极通道、有效时间段和相应的每个通道上的最优特征，提取出脑电信号特征值进行编码，利用用户心电信号生成64位的DES加密算法密钥，并对脑电信号特征值序列加密保存；进行用户认证阶段：医疗机构对此前用户注册时的脑电信号特征序列进行解密，通过对比用户认证时的脑电信号特征序列，若两者差值在规定阈值内，则认证通过。本方法克服认证凭证容易被遗忘和伪造等缺点；此外尤其适用于视听觉均有障碍的人群，并且本方法对脑电信号特征进行了编码加密保存，防止了入侵者的破坏，使身份识别更加可靠。

Description

一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法
技术领域
本发明属于机器学习和信息安全交叉领域，具体涉及一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法。
背景技术
如何安全可靠对人的身份进行识别认证，一直都是一个十分重要的问题。一些传统的身份识别和个体认证方法有：密码、PINs和射频卡，但上述这些方法各有缺点：密码容易被遗忘，PINs和射频卡则会被偷窃或者遗失，这些方法难以适应于安全系数要求很高的系统中，但自己的固有特征是绝不会被遗忘或丢失的，例如：人脸、虹膜、指纹、声音、脑电波等。因此，需要有一种基于人体固有特征的安全检测方法，来更加方便而安全的实现个体身份识别。
个体的生物特征用于身份鉴别原则上需要满足以下条件：(1)普适性，保证每位用户都能通过认证；(2)独特性，对某个用户的认证特征是特殊的，独一无二的；(3)可收集性，认证特征可以迅速的被收集；(4)稳定性，认证特征始终是一致的。
由于任何人都不可能模仿他人的思维状态，而且主体在不同的思维状态(例如被胁迫、紧张、恐惧等)或不同的外界刺激下，大脑皮层产生的脑电信号与其在正常状态下的脑电信号有着很大差异。因此利用脑电信号所具有的隐蔽性、不可窃取性、不可仿制性、不可胁迫性以及必须活体等独特的优势，将其作为新的生物特征模态用于身份识别中，就可以弥补目前各种生物特征识别系统在活体检测、被胁迫侵入等方面的不足。
发明内容
针对远程医疗系统中用户身份识别存在的安全隐患，提出了一种基于味觉诱发脑电信号的身份识别方法，用脑电信号来进行身份识别的目的是克服认证凭证容易被遗忘和伪造等缺点；此外，本身份识别方法尤其适用于视听觉均有障碍的人群；并且本方法对脑电信号特征进行了编码加密保存，防止了入侵者的破坏，使身份识别更加可靠。
一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法，包括如下步骤：
步骤1，首先进行用户注册阶段；医疗机构采集用户在味觉刺激后的脑电数据和心电数据，获得初始脑电数据集；
步骤2，对初始脑电数据集进行预处理；从脑电实际观测信号中去除噪声信号，获得去噪的脑电信号，通过信号片段截取、低通滤波和EEGLAB中FastICA组件对数据进行处理，获得预处理数据集D；
步骤3，利用逐点双列相关系数法和关系系数选出用户对应的最优电极通道、有效时间段和相应的每个通道上的最优特征，提取出脑电信号特征值进行编码，利用用户心电信号生成64位的DES加密算法密钥，并对脑电信号特征值序列加密保存；
步骤4，进行用户认证阶段；医疗机构通过获得用户在家利用味觉刺激产生的脑电信号，对其进行预处理和特征提取，获得相应的用户认证时的脑电信号特征，并对其进行编码；
步骤5，医疗机构对此前用户注册时的脑电信号特征序列进行解密，通过对比用户认证时的脑电信号特征序列，若两者差值在规定阈值内，则认证通过。
进一步地，步骤1中的味觉刺激源，选择电脉冲刺激人舌和自主品尝的方式来形成用户注册时刺激源和用户认证时刺激源。
进一步地，用户注册时刺激源为，将两个互不接触的金属电极固定在非金属材质吸管中，将电脉冲发生装置接线端连接该模型两个电极，接通频率600Hz电压4V的方波电脉冲，电流将通过含在嘴里的吸管刺激受试者舌头使之产生强烈的酸味感受。
进一步地，用户认证时刺激源为，用户每次认证时自主品尝0.4％柠檬酸溶液，将此作为用户认证时刺激源。
进一步地，步骤2中对脑电数据预处理具体包括：将信号片段的起始点改为刺激后的300ms，同时后端点调整为1000ms，信号片段总长度为700ms；设置一个频带为60Hz的滤波器，频率高于60Hz的信号不能通过；通过EEGLAB中FastICA组件对数据进行处理，去除眼动和肌电的噪声成分。
进一步地，步骤3中，采用逐点双列相关系数法选出用户排名前四的4个最优电极通道和有效时间段，然后选取一部分志愿者作为冒充者，按照用户提取脑电信号的步骤提取出他们的初始脑电数据存放在内部电脑中，形成一个冒充者脑电数据库；对于用户脑电信号特征的选择，一共选取三个备选特征：绝对均值、均方根和波长；
对于每一个最优电极通道，相应地取用户的三个备选特征值和N个冒充者在这一电极通道的相应三个备选特征值；设P1表示绝对均值维，P2表示均方根维，P3表示波长维，Xy(Pi)(i＝1，2，3)表示用户在此维上的特征值，同理Xm(Pi)(i＝1，2，3)(m＝1，2，...，N)表示第m个冒充者在此维上的特征值；提出关系系数H(Xy(Pi)，Xm(Pi))，表示两个样本间差异程度的度量值，即
Figure BDA0002799155470000041
θ∈(0，1)
其中θ表示分辨系数，决定关系系数的分布状况，取0.5；min(|Xy(Pi)-Xm(Pi)|)表示在Pi(i＝1，2，3)维上用户和所有冒充者之间最小的特征值差值；max(|Xy(Pi)-Xm(Pi)|)表示在Pi(i＝1，2，3)维上用户和所有冒充者之间最大的特征值差值；
Figure BDA0002799155470000042
Figure BDA0002799155470000043
表示在Pi(i＝1，2，3)维上对用户和所有冒充者的特征值差值求和。
进一步地，步骤3中，通过计算每一个最优电极通道上每一维对应的关系系数，按从小到大排序，选出最小的两个关系系数对应的特征维，即从三个备选特征里选出该用户专有的表示其脑电信号的两个特征；其后根据选出的用户排名前四的最优电极通道以及每个通道对应的两个特征，算出特征值依次排列，每一个值采用8位二进制数表示，总共8个二进制数，排列编码成一个64位的序列称为用户注册序列；
对此序列进行加密，引入用户的身份证号码，取身份证号码的后16位编码，将这16位编码看作是16位十六进制数，并将其转化为64位的二进制数，然后与用户注册序列进行异或操作，得到全新的一组64位的序列，称之为用户唯一标识序列。利用DES加密算法对64位的用户唯一标识序列进行加密，利用用户的心电信号作为DES加密算法的密钥。
进一步地，利用用户的心电信号作为DES加密算法的密钥的具体做法为，对采集到的用户心电信号根据脑电信号的有效时间段截取出相应的心电信号时间段，对时间段内的心电信号选取前8个峰值间隔时间作为特征值，每一个值采用8位二进制数表示，总共8个二进制数，编码排列成一个64位的序列，此序列即为DES加密算法的64位密钥，利用此密钥对用户唯一标识序列进行加密得到最终保存在医疗机构内部的用户密码序列。
进一步地，步骤4中，医疗机构提取出保存在内部的用户密码序列，首先利用DES解密算法对其进行解密操作，得到用户唯一标识序列，再与用户身份证号进行异或操作，还原出用户注册序列；将用户注册序列和用户认证序列进行比较，当两者汉明距离在设定阈值范围内时，则认为认证通过；认证通过后，即可进行用户和医疗机构双方的信息交换。
与现有技术相比，本身份识别方法具有以下优点：
1、相比传统的密码和射频卡登陆，脑电认证技术能更加安全和可靠地实现个体身份识别，因为脑电波更加独特不易被仿制。
2、对于视听觉均有障碍的人群而言，现有的视听觉诱发脑电信号进行身份认证是不现实的，所以对于该类人群，味觉诱发脑电信号来进行身份识别有更好的应用背景。
3、本身份识别方法提出的味觉诱发脑电信号，在未来可以进一步搭配视听觉范式来提高脑电波的使用效率。
4、本身份识别方法采用基于逐点双列相关系数的电位通道和有效时间段选择方法，优势在于电位通道选择结果仅来自于用户自身的诱发脑电信号特征，对于系统的防伪造能力具有一定的提升。
5、本身份识别方法提出利用关系系数选择脑电信号特征的方法，优势在于能够选出表示每个用户自身特点的特征，有效区别不同用户，提高认证可靠性。
6、本身份识别方法对脑电信号特征进行编码加密保存，更加确保了数据的机密性，防止入侵者的破坏，使认证更加可靠。
7、本身份识别方法利用心电信号生成加密密钥，确保了每个用户对应的密钥不同，防止出现一个用户密钥被盗所有用户隐私泄露的危险，且此密钥生成依赖于用户的自身生理特征，难以通过常规方法猜测出密钥，确保了数据的机密性和安全性。
附图说明
图1为本发明实施例中用户注册阶段基于味觉诱发脑电信号特征流程图。
图2为本发明实施例中基于用户脑电信号特征编码的身份识别方法流程图。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
本发明主要是针对远程医疗系统的一种基于味觉诱发脑电信号的身份识别方法，该远程医疗系统由三个节点组成：传感器节点，主要为头戴式脑电信号采集器，另外还有其他一些身体上的医疗传感器；汇聚节点，即USB Dongle，利用其可以接收通过无线蓝牙方式传输过来的原始脑电数据，将其插入PC或嵌入式设备可将收集到的原始脑电数据传输给远程控制节点；远程控制节点，由医疗机构组成。本发明主要包含两个阶段：用户身份注册阶段和用户身份认证阶段。两阶段具体实现步骤包含：
选择合适的脑电采集设备，本实施例中选择由EMOTIV公司推出的型号为flexsaline的脑电设备，选择Cz，CPz，Fz，Pz，F3，F4，P3，P4，Oz 9个电极通道并用导电液激活。为了保证数据的有效性，实验前要求每个电极位的电阻值降低至10KΩ以下。
选择合适的诱发脑电信号刺激源。为了保证用户平时居家时方便认证并且用户注册时保存的数据可靠，本实施例选择电脉冲刺激人舌和自主品尝的方式来形成用户注册时刺激源和用户认证时刺激源。将两个互不接触的金属电极固定在非金属材质吸管中，将电脉冲发生装置接线端连接该模型两个电极，实验中只要接通频率600Hz电压4V的方波电脉冲，电流将通过含在嘴里的吸管刺激受试者舌头使之产生强烈的酸味感受，此酸味相当于0.4％柠檬酸溶液所对应的酸味感受，将此刺激作为用户注册时刺激源，刺激源稳定且可控，得到的脑电波数据更加可靠；而用户每次认证时只需自主品尝0.4％柠檬酸溶液，将此作为用户认证时刺激源。
首先进行用户注册。用户需来到医疗机构，佩戴好脑电和心电采集设备，闭上眼睛，安静地坐在座椅上，将吸管的一端放入嘴中，做好准备。开始进行三个阶段的测试。
第一阶段，接通频率600Hz电压4V的方波电脉冲，电流通过含在嘴里的吸管刺激用户舌头使之产生强烈的酸味感受，刺激时间持续tms，间隔为t1ms，共重复p次。此步骤产生的脑电信号为目标源刺激信号。
第二阶段，为了缓解用户的疲劳和提高其味觉敏感度，要求受试者暂时休息30s。
第三阶段，接通频率500Hz电压2V的方波电脉冲，电流通过含在嘴里的吸管刺激用户舌头使之产生较弱的酸味感受，刺激时间持续t’ms，间隔为t2ms，共重复p’次。此步骤产生的脑电信号为非目标源刺激信号，且保证非目标刺激信号和目标刺激的信号片段起始点一致。
第四阶段，要求受试者暂停休息1分钟并饮用一小杯白开水漱口。
为了能够获得足够多的训练样本数据，将上述四个阶段重复三次，即总共进行四次操作；利用头戴设备分别采集第一和第三阶段刺激下诱发的脑电波(第三阶段的非目标源刺激信号将在后续的逐点双列相关系数法中使用到)，利用心电采集设备采集下此过程的心电数据，将从第一阶段获得的脑电波作为初始脑电数据集。
对初始脑电数据进行预处理。首先将每次刺激后的信号片段作为当次刺激的响应，将信号片段的起始点定为刺激后的300ms，后端点为1000ms，信号片段总长度为700ms。其次进行低通滤波，本实施例设置一个60Hz的低通滤波器来进行初步去噪。最后本实施例采用EEGLAB中FastICA组件对数据进行处理，去除眼动和肌电的噪声成分，获得预处理数据集D。
对预处理脑电数据集D进行特征提取。首先采用逐点双列相关系数法选出用户的最优电极通道和有效时间段。通过计算每个电极通道上的逐点双列相关系数，选取每个电极通道上相关系数值最高的200个时间点作为有效时间段；接着计算每个电极通道选出的200个时间点的均方和，并按照降序排序；然后选择均方和排在前4名的4个电极通道作为最优电极通道。对于脑电信号特征的选择，一共选取三个备选特征，其中Xi(i＝1,...T)为一单电极通道的离散脑电信号：
绝对均值M：
Figure BDA0002799155470000091
绝对均值是指单电极通道上有效时间段内每一时刻脑电信号振幅的平均值。
均方根N：
Figure BDA0002799155470000092
均方根值是指单电极通道上有效时间段内每一时刻脑电信号振幅的均方值。
波长：
Figure BDA0002799155470000101
波长值是指单电极通道上在有效时间段内，计算相邻时刻脑电信号振幅的差值并依次求和再取均值。
对于每一个最优电极通道，相应地取用户的三个备选特征值和N个冒充者在这一电极通道的相应三个备选特征值。设P1表示绝对均值维，P2表示均方根维，P3表示波长维，Xy(Pi)(i＝1，2，3)表示用户在此维上的特征值，同理Xm(Pi)(i＝1，2，3)(m＝1，2，...，N)表示第m个冒充者在此维上的特征值。本实施例提出一种表示两个样本间差异程度的度量值：关系系数H(Xy(Pi)，Xm(Pi))，即
Figure BDA0002799155470000102
其中θ表示分辨系数，决定关系系数的分布状况，一般取0.5；min(|Xy(Pi)-Xm(Pi)|)表示在Pi(i＝1，2，3)维上用户和所有冒充者之间最小的特征值差值；同理max(|Xy(Pi)-Xm(Pi)|)表示在Pi(i＝1，2，3)维上用户和所有冒充者之间最大的特征值差值；
Figure BDA0002799155470000103
表示在Pi(i＝1，2，3)维上对用户和所有冒充者的特征值差值求和。
若两个样本之间同一维上的差异越大，关系系数则越小，越能表示样本的自身独特性。通过计算每一个最优电极通道上每一维对应的关系系数，按从小到大排序，选出每个电极通道上最小的两个关系系数对应的特征维，即从三个备选特征里选出该用户专有的表示其脑电信号的两个特征。
其后，根据选出的用户排名前四的最优电极通道以及每个通道对应的两个特征，算出特征值依次排列(即第一二个值是排名第一的电极通道对应选出的两个特征值，以此类推)，每一个值采用8位二进制数表示，总共8个二进制数，编码排列成一个64位的序列称为用户注册序列。
本方法引入用户的唯一标识，即身份证号码，取身份证号码的后16位编码，将这16位编码看作是16位十六进制数，并将其转化为64位的二进制数，然后与用户注册序列进行异或操作，得到全新的一组64位的序列称为用户唯一标识序列。
利用DES加密算法对64位的用户唯一标识序列进行加密，此处利用用户的心电信号作为DES加密算法的密钥。具体做法如下：对采集到的用户心电信号根据脑电信号的有效时间段截取出相应的心电信号时间段，对时间段内的心电信号选取前8个峰值间隔时间作为特征值，每一个值采用8位二进制数表示，总共8个二进制数，编码排列成一个64位的序列，此序列即为DES加密算法的64位密钥。利用此密钥对用户唯一标识序列进行加密得到最终保存在医疗机构内部的用户密码序列。
针对用户身份认证模块。当用户和远程医疗机构建立联系时，医疗机构需对用户身份进行认证。用户接通脑电信号采集设备，只需自主品尝0.4％柠檬酸溶液，由此诱发脑电信号，并通过汇聚节点，即USB Dongle，将搜集到的脑电数据传输给远程控制节点即医疗机构，医疗机构对传输过来的原始脑电数据首先去除噪声干扰，然后只需提取用户在注册时选出的排名前四的最优电极通道所对应有效时间段内的两个脑电信号特征，计算出特征值并依次排列，每一个值采用8位二进制数表示，总共8个二进制数，编码排列成64位的序列，称之为用户认证序列。
医疗机构提取出保存在内部的用户密码序列，首先利用DES解密算法对其进行解密操作，得到用户唯一标识序列，再与用户身份证号进行异或操作，还原出用户注册序列。将用户注册序列和用户认证序列进行比较，当两者汉明距离在设定阈值范围内时，则认为认证通过。认证通过后，即可进行用户和医疗机构双方的信息交换。
本实施例通过下述具体示例，说明对远程医疗系统中的用户甲进行身份识别的具体流程。
首先用户甲来到医疗机构进行注册。用户甲佩戴好脑电和心电采集设备，闭上眼睛，安静地坐在座椅上，将吸管的一端放入嘴中，分别进行目标源刺激和非目标源刺激，获取初始脑电数据集。
直接采集到的初始脑电数据集是不能使用的，需要系统对其进行预处理，本发明加大了去噪强度，通过信号片段截取、低通滤波、EEGLAB中FastICA组件去除眼动和肌电来获得去噪数据集D。
对去噪后的数据集D首先采用逐点双列相关系数法来选取排名前四的电极通道，结果如表1所示，有效时间段选取结果如表2所示。
表1
Figure BDA0002799155470000131
表2
受试对象 有效时间段分布(ms)
用户甲 370-710
代入用户甲和冒充者数据库里的在Cz、CPz、F3、F4四个电极通道有效时间段上的三个备选特征值，即绝对均值、均方根值和波长值，利用关系系数计算公式，得出用户甲在Cz通道上选择绝对均值和均方根作为脑电信号特征，在CPz通道上选择绝对均值和波长作为脑电信号特征，在F3通道上选择绝对均值和均方根作为脑电信号特征，在F4通道上选择均方根和波长作为脑电信号特征。
根据选出的四个电极通道上的八个特征，将其依次转换为二进制数，编码排列成64位的序列，即{11001000，00001111，11100010，01010011，10100111，00011101，00011111，11010000}，称之为用户注册序列。将用户甲身份证号码后16位转化为64位的二进制序列，即{10000000，11000000，11000000，00000000，00000011，01000000，01010010，00000110}，并与用户注册序列进行异或操作，形成用户唯一标识序列{01001000，11001111，00100010，01010011，10100100，01011101，01001101，11010110}。
根据用户的心电信号，计算出有效时间段内的前8个峰值间隔时间值，每一个值采用8位二进制数表示，总共8个二进制数，编码排列成一个64位的DES加密算法的密钥，然后利用DES对用户甲的唯一标识序列进行加密，形成用户密码序列保存在机构内部。
当医疗机构需要对用户甲进行身份识别时，用户甲通过饮用0.4％的柠檬酸溶液刺激诱发脑电信号，通过USB汇聚节点将原始脑电信号传输给远程医疗机构，医疗机构对原始脑电信号进行预处理和相关电极通道特征的提取，排列组合成用户甲的认证序列{11001001，00001101，11100010，01010001，10100111，00011101，00011011，11010010}。将其与解密后的用户注册序列进行比对，发现两者的汉明距离在规定的阈值内，判断用户甲认证通过。
为了验证认证可靠性，随意选取一个冒充者充当用户甲，利用相同方式刺激冒充者诱发其脑电信号，利用相同方式提取出冒充者的认证序列{00111000，00101001，11100010，01011010，10100111，01010101，00010011，01010011}，将其与用户甲注册序列比对，发现差值超出了阈值，即判断冒充者认证不通过。
为了验证有益效果，重复步骤8十次，发现仅一次出现判断错误，即认证正确率达到90％。由此可知此身份识别方法可靠。
以上所述仅为本发明的较佳实施方式，本发明的保护范围并不以上述实施方式为限，但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化，皆应纳入权利要求书中记载的保护范围内。

Claims (8)

1.一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法，其特征在于：所述身份识别方法包括如下步骤：
步骤1，首先进行用户注册阶段；医疗机构采集用户在味觉刺激后的脑电数据和心电数据，获得初始脑电数据集；
步骤2，对初始脑电数据集进行预处理；从脑电实际观测信号中去除噪声信号，获得去噪的脑电信号，通过信号片段截取、低通滤波和EEGLAB中FastICA组件对数据进行处理，获得预处理数据集D；
步骤3，利用逐点双列相关系数法和关系系数选出用户对应的最优电极通道、有效时间段和相应的每个通道上的最优特征，提取出脑电信号特征值进行编码，利用用户心电信号生成64位的DES加密算法密钥，并对脑电信号特征值序列加密保存；
步骤3中，采用逐点双列相关系数法选出用户排名前四的4个最优电极通道和有效时间段，然后选取一部分志愿者作为冒充者，按照用户提取脑电信号的步骤提取出他们的初始脑电数据存放在内部电脑中，形成一个冒充者脑电数据库；对于用户脑电信号特征的选择，一共选取三个备选特征：绝对均值、均方根和波长；
对于每一个最优电极通道，相应地取用户的三个备选特征值和N个冒充者在这一电极通道的相应三个备选特征值；设P1表示绝对均值维，P2表示均方根维，P3表示波长维，Xy(Pi)(i＝1,2,3)表示用户在此维上的特征值，同理Xm(Pi)(i＝1,2,3)(m＝1,2,…,N)表示第m个冒充者在此维上的特征值；提出关系系数H(Xy(Pi),Xm(Pi))，表示两个样本间差异程度的度量值，即
Figure FDA0004196768050000021
θ∈(0,1)
其中θ表示分辨系数，决定关系系数的分布状况，取0.5；
min(|Xy(Pi)-Xm(Pi)|)表示在Pi(i＝1,2,3)维上用户和所有冒充者之间最小的特征值差值；max(|Xy(Pi)-Xm(Pi)|)表示在Pi(i＝1,2,3)维上用户和所有冒充者之间最大的特征值差值；
Figure FDA0004196768050000022
Figure FDA0004196768050000023
表示在Pi(i＝1,2,3)维上对用户和所有冒充者的特征值差值求和；
步骤4，进行用户认证阶段；医疗机构通过获得用户在家利用味觉刺激产生的脑电信号，对其进行预处理和特征提取，获得相应的用户认证时的脑电信号特征，并对其进行编码；
步骤5，医疗机构对此前用户注册时的脑电信号特征序列进行解密，通过对比用户认证时的脑电信号特征序列，若两者差值在规定阈值内，则认证通过。
2.根据权利要求1所述的一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法，其特征在于：步骤1中的味觉刺激源，选择电脉冲刺激人舌和自主品尝的方式来分别形成用户注册时刺激源和用户认证时刺激源。
3.根据权利要求2所述的一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法，其特征在于：用户注册时刺激源为，将两个互不接触的金属电极固定在非金属材质吸管中，将电脉冲发生装置接线端连接两个电极，接通频率600Hz电压4V的方波电脉冲，电流将通过含在嘴里的吸管刺激受试者舌头使之产生强烈的酸味感受。
4.根据权利要求2所述的一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法，其特征在于：用户认证时刺激源为，用户每次认证时自主品尝0.4％柠檬酸溶液，将此作为用户认证时刺激源。
5.根据权利要求1所述的一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法，其特征在于：步骤2中对脑电数据预处理具体包括：将信号片段的起始点改为刺激后的300ms，同时后端点调整为1000ms，信号片段总长度为700ms；设置一个频带为60Hz的滤波器，频率高于60Hz的信号不能通过；通过EEGLAB中FastICA组件对数据进行处理，去除眼动和肌电的噪声成分。
6.根据权利要求1所述的一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法，其特征在于：步骤3中，通过计算每一个最优电极通道上每一维对应的关系系数，按从小到大排序，选出最小的两个关系系数对应的特征维，即从三个备选特征里选出该用户专有的表示其脑电信号的两个特征即最优特征；其后根据选出的用户排名前四的最优电极通道以及每个通道对应的两个特征，算出特征值依次排列，每一个值采用8位二进制数表示，总共8个二进制数，排列编码成一个64位的序列称为用户注册序列；
对此序列进行加密，引入用户的身份证号码，取身份证号码的后16位编码，将这16位编码看作是16位十六进制数，并将其转化为64位的二进制数，然后与用户注册序列进行异或操作，得到全新的一组64位的序列，称之为用户唯一标识序列；利用DES加密算法对64位的用户唯一标识序列进行加密，利用用户的心电信号作为DES加密算法的密钥。
7.根据权利要求6所述的一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法，其特征在于：利用用户的心电信号作为DES加密算法的密钥的具体做法为，对采集到的用户心电信号根据脑电信号的有效时间段截取出相应的心电信号时间段，对时间段内的心电信号选取前8个峰值间隔时间作为特征值，每一个值采用8位二进制数表示，总共8个二进制数，编码排列成一个64位的序列，此序列即为DES加密算法的64位密钥，利用此密钥对用户唯一标识序列进行加密得到最终保存在医疗机构内部的用户密码序列。
8.根据权利要求1所述的一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法，其特征在于：步骤4中，医疗机构提取出保存在内部的用户密码序列，首先利用DES解密算法对其进行解密操作，得到用户唯一标识序列，再与用户身份证号进行异或操作，还原出用户注册序列；将用户注册序列和用户认证序列进行比较，当两者汉明距离在设定阈值范围内时，则认为认证通过；认证通过后，即可进行用户和医疗机构双方的信息交换。
CN202011343316.2A 2020-11-25 2020-11-25 一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法 Active CN112511313B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011343316.2A CN112511313B (zh) 2020-11-25 2020-11-25 一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011343316.2A CN112511313B (zh) 2020-11-25 2020-11-25 一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法

Publications (2)

Publication Number Publication Date
CN112511313A CN112511313A (zh) 2021-03-16
CN112511313B true CN112511313B (zh) 2023-06-13

Family

ID=74966151

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011343316.2A Active CN112511313B (zh) 2020-11-25 2020-11-25 一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法

Country Status (1)

Country Link
CN (1) CN112511313B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113303816A (zh) * 2021-04-30 2021-08-27 浙江大学 一种基于面部表面肌电信号的味觉感知识别方法及系统
CN115474899A (zh) * 2022-08-17 2022-12-16 浙江大学 一种基于多尺度卷积神经网络的基本味觉感知识别方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109101807A (zh) * 2018-09-10 2018-12-28 清华大学 一种脑电身份权限控制系统及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104950846A (zh) * 2015-05-13 2015-09-30 许金兰 一种一体化家庭智能综合管理系统
CN108564011A (zh) * 2017-08-01 2018-09-21 南京邮电大学 一种基于脑电快速语音呈现范式的身份识别方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109101807A (zh) * 2018-09-10 2018-12-28 清华大学 一种脑电身份权限控制系统及方法

Also Published As

Publication number Publication date
CN112511313A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
Jayarathne et al. BrainID: Development of an EEG-based biometric authentication system
CN113572729B (zh) 使用神经及神经机械指纹的数据加密/解密
Chuang et al. I think, therefore I am: Usability and security of authentication using brainwaves
CN112511313B (zh) 一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法
CN106503517B (zh) 一种基于虚拟现实头盔脑纹采集的安全认证系统
Jiang et al. Enhancing IoT security via cancelable HD-sEMG-based biometric authentication password, encoded by gesture
KR101607432B1 (ko) 뇌파측정을 통한 개인 인증 방법, 시스템 및 컴퓨터 프로그램
Su et al. A biometric-based covert warning system using EEG
CN109766751B (zh) 基于频域编码的稳态视觉诱发脑电身份识别方法及系统
CN105389494A (zh) 基于脑电波的生物识别密码验证系统和方法
US9750435B2 (en) System, terminal, and method for digital electrocardiogram authentication
Smitha et al. Online Electroencephalogram (EEG) based biometric authentication using visual and audio stimuli
Mukai et al. Introduction of fractal dimension feature and reduction of calculation amount in person authentication using evoked EEG by ultrasound
Liew et al. Identifying visual evoked potential (VEP) electrodes setting for person authentication
Bak et al. User biometric identification methodology via eeg-based motor imagery signals
Tuiri et al. An EEG based key generation cryptosystem using diffie-hellman and AES
Maiorana et al. Cognitive biometric cryptosystems a case study on EEG
Yu et al. P300-BCI-based authentication system
Frank et al. Personalizable neurological user authentication framework
Shindo et al. Person verification using electroencephalograms evoked by new imperceptible vibration stimulation
KR20190044869A (ko) 생체신호 인증 장치 및 방법
CN109784027B (zh) 基于双重脑电信号特征的身份验证方法
CN111444489B (zh) 一种基于光电容积脉搏波传感器的双因子认证方法
CN114897071A (zh) 基于单通道脑电的身份识别方法及装置
Pham EEG-based person authentication for security systems

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant