NeuroShield: A Device-Agnostic Foundation Model for EEG Authentication

Résumé Technique : NeuroShield : Un modèle de fondation agnostique au dispositif pour l'authentification par EEG

Énoncé du problème
Les systèmes d'authentification par EEG actuels font face à une limitation fondamentale : ils sont étroitement couplés à des paramètres d'acquisition spécifiques, incluant un matériel de casque fixe, des configurations de canaux et des durées de signal. Les modèles existants supposent généralement un ensemble de canaux prédéfini, un ordre de canaux stable et des fenêtres temporelles fixes. Par conséquent, les variations de matériel (par exemple, un nombre différent d'électrodes ou de placements) ou de protocoles d'enregistrement (par exemple, des longueurs de signal variables) rendent ces modèles inapplicables sans réentraînement. Ce fractionnement force les chercheurs à traiter chaque nouveau jeu de données ou casque comme un problème de modélisation distinct, entravant le transfert de connaissances, limitant l'apprentissage multi-jeux de données et réduisant la réutilisabilité des modèles. Le domaine repose actuellement sur des pipelines spécifiques aux jeux de données plutôt que sur des encodeurs réutilisables capables d'accumuler des connaissances à travers des conditions d'enregistrement hétérogènes.

Méthodologie : Architecture NeuroShield
Pour répondre à ces contraintes, les auteurs introduisent NeuroShield, un modèle de fondation conçu pour apprendre des plongements (embeddings) discriminants d'identité à partir d'enregistrements EEG à canaux et durées variables. L'innovation centrale est une architecture transformer à double étape qui découple la modélisation temporelle de l'agrégation spatiale, permettant ainsi des entrées flexibles.

1. Représentation de l'entrée : Les segments EEG sont représentés sous la forme $S \in \mathbb{R}^{C \times T}$, où $C$ est le nombre de canaux disponibles et $T$ est le nombre d'échantillons temporels. Le modèle supporte des variations tant pour $C$ que pour $T$.
2. Patching temporel et encodage :
   • La forme d'onde de chaque canal est divisée en patchs temporels de longueur fixe.
   • Un Encodeur de Patch (Patch Encoder) projette ces fragments de signaux bruts dans un espace latent partagé.
   • Un Transformer Temporel traite la séquence de jetons de patch pour chaque canal indépendamment. Il utilise ALiBi (Attention with Linear Biases) pour encoder l'information de position relative, permettant au modèle de gérer des longueurs de séquence variables et de s'extrapoler à des durations plus longues que celles observées lors de l'entraînement. Un jeton de classification temporelle (CLS) est extrait pour chaque canal afin de résumer ses caractéristiques temporelles.
3. Agrégation spatiale :
   • Les plongements au niveau des canaux sont agrégés à l'aide d'un Transformer de Canal (Channel Transformer).
   • Crucialement, cette étape incorpore des plongements de position géométriques dérivés des coordonnées 3D des électrodes. Cela permet au modèle de comprendre les relations spatiales entre les électrodes sans supposer un ordre ou une disposition de canaux fixe.
   • Un jeton CLS de canal résume la représentation finale du segment.
4. Objectif d'entraînement : Le modèle est entraîné à l'aide d'une Perte Contrastive Supervisée (SupConLoss). Cet objectif encourage les plongements des mêmes sujets à se regrouper tout en éloignant ceux de sujets différents, optimisant ainsi l'espace métrique pour l'authentification.

Protocole Expérimental

• Pré-entraînement : NeuroShield a été pré-entraîné sur trois grands jeux de données publics (TUH-EEG, DVS-rsEEG, PREDICT) comprenant 15 762 sujets et 28 116 sessions. Ces jeux de données couvrent plusieurs configurations de canaux (17 à 64 canaux) et systèmes d'acquisition.
• Évaluation : Le modèle a été évalué sur deux jeux de données non vus en aval : PEERS (345 sujets, 89 canaux, de qualité médicale) et FRC-EEG (30 sujets, 14 canaux, de type grand public Emotiv Epoc X).
• Lignes de base (Baselines) : Les comparaisons ont été faites avec un entraînement de l'architecture à partir de zéro (NS-Scratch) et une reproduction d'une ligne de base de l'état de l'art (Fallahi et al., 2026), qui utilise un encodeur ResNet1D avec des entrées fixes.
• Paramètres : Les évaluations incluaient le transfert zero-shot (sans ajustement fin), le réglage fin complet (NS-FullFT), le réglage fin partiel (NS-LastFT) et le réglage fin efficace en paramètres (NS-PEFT).

Résultats Clés

• Amélioration de la performance : Après réglage fin, NeuroShield a systématiquement surpassé la ligne de base de l'état de l'art. Sur le jeu de données PEERS, il a réduit le Taux d'Erreur Égal (EER) de 10,25 % à 7,71 % (un gain de 2,54 points de pourcentage). Sur FRC-EEG, il a réduit l'EER de 18,18 % à 14,75 %.
• Capacité Zero-Shot : Le modèle pré-entraîné a démontré des informations d'identité transférables dans des contextes zero-shot, atteignant des EER nettement inférieurs au hasard (par exemple, 16,79 % sur PEERS) sans aucune mise à jour du jeu de données cible, bien que le réglage fin soit nécessaire pour des performances compétitives.
• Flexibilité Temporelle : Le modèle s'est adapté avec succès à des durées d'entrée plus longues que celles vues durant l'entraînement (jusqu'à 4,0 secondes contre une limite d'entraînement de 2,0 secondes). La performance s'est améliorée à mesure que le contexte temporel devenait plus important, le résultat de 4 secondes sur PEERS (5,47 % EER) surpassant les résultats antérieurs de l'état de l'art.
• Flexibilité Spatiale et Robustesse :
  • Le modèle fonctionne efficacement à travers différentes configurations de canaux et ne dépend pas d'un ordre de canaux fixe ; la performance est restée stable sous des permutations de canaux.
  • Il a démontré une robustesse aux canaux manquants, tolérant jusqu'à 10–30 % de perte de canaux lors de la vérification avec une dégradation seulement graduelle des performances.
  • Il s'est généralisé à des positions d'électrodes entièrement inédites (canaux non présents dans les données d'entraînement) sans différence statistique significative de performance par rapport aux canaux connus.
• Composition des Données : Les analyses ont indiqué que la diversité multi-sessions dans les données d'entraînement est plus précieuse que l'augmentation simple du nombre d'échantillons de sessions uniques pour l'apprentissage de représentations de sujets stables.

Signification et Revendications
L'article affirme que NeuroShield établit un nouveau paradigme pour l'authentification par EEG en passant de modèles isolés et spécifiques aux jeux de données à un modèle de fondation réutilisable et adaptable. Sa signification réside dans :

1. Briser les dépendances matérielles : Il permet l'authentification à travers des réglages d'enregistrement hétérogènes (différents casques, nombres de canaux et configurations) sans nécessiter le développement d'un modèle séparé pour chaque installation.
2. Accumulation de connaissances : Il démontre que des caractéristiques discriminantes d'identité peuvent être apprises à travers divers jeux de données et transférées à des dispositifs inconnus, soutenant l'accumulation de connaissances entre les études.
3. Déploiement pratique : En tolérant des durées de signal variables et des canaux manquants, NeuroShield répond aux défis de déploiement réel où les conditions d'enregistrement sont rarement statiques ou parfaites.
4. Science Ouverte : Les auteurs publient leur modèle et leur pipeline d'évaluation en open source pour faciliter la reproductibilité et l'adoption par la communauté.

Les auteurs concluent que, bien que NeuroShield réduise les taux d'erreur par rapport à l'état de l'art, des travaux supplémentaires sont nécessaires pour atteindre la maturité des modalités biométriques établies comme la reconnaissance faciale. Ils suggèrent que les améliorations futures pourraient provenir de corpus de pré-entraînement plus vastes, de segments continus plus longs et d'évaluations plus diversifiées sur des dispositifs de type grand public.