NeuroShield: A Device-Agnostic Foundation Model for EEG Authentication

Resumen Técnico: NeuroShield: Un Modelo de Fundación Agnóstico al Dispositivo para la Autenticación por EEG

Planteamiento del Problema
Los sistemas actuales de autenticación por EEG enfrentan una limitación fundamental: están estrechamente vinculados a configuraciones de adquisición específicas, incluyendo hardware de captura fijo, disposiciones de canales y duraciones de señal. Los modelos existentes suelen asumir un conjunto de canales predefinido, un orden de canales estable y ventanas temporales fijas. En consecuencia, las variaciones en el hardware (por ejemplo, diferentes conteos de electrodos o colocaciones) o en los protocolos de registro (por ejemplo, longitudes de señal variables) hacen que estos modelos sean inaplicables sin un reentrenamiento. Esta fragmentación obliga a los investigadores a tratar cada nuevo conjunto de datos o dispositivo como un problema de modelado independiente, lo que impide la transferencia de conocimiento, limita el aprendizaje multi-dataset y reduce la reutilización de los modelos. El campo depende actualmente de pipelines específicos para cada dataset en lugar de codificadores reutilizables capaces de acumular conocimiento a través de condiciones de registro heterogéneas.

Metodología: Arquitectura NeuroShield
Para abordar estas restricciones, los autores presentan NeuroShield, un modelo de fundación diseñado para aprender incrustaciones (embeddings) discriminativas de identidad a partir de registros de EEG con canales y longitudes variables. La innovación central es una arquitectura de transformer de doble etapa que desacopla el modelado temporal de la agregación espacial, permitiendo entradas flexibles.

1. Representación de Entrada: Los segmentos de EEG se representan como $S \in \mathbb{R}^{C \times T}$, donde $C$ es el número de canales disponibles y $T$ es el número de muestras temporales. El modelo admite variaciones tanto en $C$ como en $T$.
2. Parcheo y Codificación Temporal:
   • La forma de onda de cada canal se divide en parches temporales de longitud fija.
   • Un Codificador de Parches (Patch Encoder) mapea estos fragmentos de señal cruda hacia un espacio latente compartido.
   • Un Transformer Temporal procesa la secuencia de tokens de parches para cada canal de forma independiente. Utiliza ALiBi (Attention with Linear Biases) para codificar información posicional relativa, lo que permite al modelo manejar longitudes de secuencia variables y extrapolar a duraciones más largas de las observadas durante el entrenamiento. Se extrae un token de clasificación temporal (CLS) para cada canal para resumir sus características temporales.
3. Agregación Espacial:
   • Las incrustaciones a nivel de canal se agregan utilizando un Transformer de Canales.
   • Crucialmente, esta etapa incorpora incrustaciones posicionales conscientes de la geometría derivadas de las coordenadas 3D de los electrodos. Esto permite al modelo comprender las relaciones espaciales entre electrodos sin asumir un orden o disposición de canales fijo.
   • Un token CLS de canal resume la representación final del segmento.
4. Objetivo de Entrenamiento: El modelo se entrena utilizando una Pérdida de Contraste Supervisado (SupConLoss). Este objetivo fombra que las incrustaciones del mismo sujeto se agrupen, mientras que las de sujetos diferentes se alejen, optimizando el espacio métrico para la autenticación.

Protocolo Experimental

• Preentrenamiento: NeuroShield fue preentrenado en tres grandes conjuntos de datos públicos (TUH-EEG, DVS-rsEEG, PREDICT) que comprenden 15,762 sujetos y 28,116 sesiones. Estos datasets abarcan múltiples disposiciones de canales (17–64 canales) y sistemas de adquisición.
• Evaluación: El modelo fue evaluado en dos datasets descendentes (downstream) no vistos: PEERS (345 sujetos, 89 canales, grado médico) y FRC-EEG (30 sujetos, 14 canales, de consumo tipo Emotiv Epoc X).
• Líneas Base (Baselines): Las comparaciones se realizaron contra el entrenamiento de la arquitectura desde cero (NS-Scratch) y una línea base de vanguardia reproducida (Fallahi et al., 2026), que utiliza un codificador ResNet1D con entradas fijas.
• Configuraciones: Las evaluaciones incluyeron transferencia zero-shot (sin ajuste fino), ajuste fino completo (NS-FullFT), ajuste fino parcial (NS-LastFT) y ajuste fino eficiente en parámetros (NS-PEFT).

Resultados Clave

• Mejora del Rendimiento: Tras el ajuste fino, NeuroShield superó consistentemente a la línea base de vanguardia. En el dataset PEERS, redujo la Tasa de Error Igual (EER) de 10.25% a 7.71% (una ganancia de 2.54 puntos porcentuales). En FRC-EEG, redujo la EER de 18.18% a 14.75%.
• Capacidad Zero-Shot: El modelo preentrenado demostró información de identidad transferible en entornos zero-shot, logrando EERs significativamente por debajo del nivel del azar (por ejemplo, 16.79% en PEERS) sin actualizaciones en el dataset objetivo, aunque se requirió ajuste fino para un rendimiento competitivo.
• Flexibilidad Temporal: El modelo generalizó con éxito a duraciones de entrada más largas que las observadas durante el entrenamiento (hasta 4.0 segundos frente al límite de 2.0 segundos del entrenamiento). El rendimiento mejoró a medida que hubo más contexto temporal disponible, y el resultado de 4 segundos en PEERS (5.47% EER) superó los resultados previos de vanguardia.
• Flexibilidad Espacial y Robustez:
  • El modelo opera eficazmente a través de diferentes disposiciones de canales y no depende de un orden fijo de canales; el rendimiento se mantuvo estable bajo permutaciones de canales.
  • Demostró robustez ante la pérdida de canales, tolerando hasta un 10–30% de pérdida de canales en el momento de la verificación con solo una degradación gradual del rendimiento.
  • Generalizó a posiciones de electrodos completamente no vistas (canales no presentes en los datos de entrenamiento) sin una diferencia estadística significativa en el rendimiento en comparación con los canales vistos.
• Composición de Datos: Los análisis indicaron que la diversidad de múltiples sesiones en los datos de entrenamiento es más valiosa que simplemente aumentar el número de muestras de una sola sesión para aprender representaciones estables de sujetos.

Significancia y Reivindicaciones
El artículo afirma que NeuroShield establece un nuevo paradigma para la autenticación por EEG al pasar de modelos aislados y específicos de cada dataset a un modelo de fundación reutilizable y adaptable. Su significancia radica en:

1. Romper la Dependencia del Hardware: Permite la autenticación a través de entornos de registro heterogéneos (diferentes cascos, conteos de canales y disposiciones) sin requerir el desarrollo de un modelo separado para cada configuración.
2. Acumulación de Conocimiento: Demuestra que se pueden aprender características discriminativas de identidad a través de diversos datasets y transferirlas a dispositivos no vistos, apoyando la acumulación de conocimiento entre estudios.
3. Despliegue Práctico: Al tolerar duraciones de señal variables y la pérdida de canales, NeuroShield aborda los desafíos del despliegue en el mundo real, donde las condiciones de registro rara vez son estáticas o perfectas.
4. Ciencia Abierta: Los autores liberan el modelo y el pipeline de evaluación como código abierto para facilitar la reproducibilidad y la adopción por parte de la comunidad.

Los autores concluyen que, si bien NeuroShield reduce las tasas de error respecto al estado de la técnica, es necesario realizar más trabajo para alcanzar la madurez de las modalidades biométricas establecidas como el reconocimiento facial. Sugieren que las mejoras futuras podrían provenir de corpora de preentrenamiento más grandes, segmentos continuos más largos y evaluaciones de dispositivos de consumo más diversas.