Análisis óptimo de características para identificación basada en señales cerebrales intracraneales con algoritmos de aprendizaje automático
Autores: Li, Ming; Qi, Yu; Pan, Gang
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Análisis óptimo de características para identificación basada en señales cerebrales intracraneales con algoritmos de aprendizaje automático
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Biometría
Biometría cerebral
Señales cerebrales intracorticales
EEG
Identificación
Algoritmos de aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
La biometría, por ejemplo, las huellas dactilares, el iris y el rostro, se han utilizado ampliamente para autenticar a individuos. Sin embargo, la mayoría de las biometrías no son cancelables, es decir, una vez que estas biometrías tradicionales son clonadas o robadas, no pueden reemplazarse fácilmente. A diferencia de las biometrías tradicionales, las biometrías cerebrales son extremadamente difíciles de clonar o falsificar debido a la aleatoriedad natural entre diferentes individuos, lo que las convierte en una opción ideal para la autenticación de identidad.
Descripción
La biometría, por ejemplo, las huellas dactilares, el iris y el rostro, se han utilizado ampliamente para autenticar a individuos. Sin embargo, la mayoría de las biometrías no son cancelables, es decir, una vez que estas biometrías tradicionales son clonadas o robadas, no pueden reemplazarse fácilmente. A diferencia de las biometrías tradicionales, las biometrías cerebrales son extremadamente difíciles de clonar o falsificar debido a la aleatoriedad natural entre diferentes individuos, lo que las convierte en una opción ideal para la autenticación de identidad.