NeuroShield: A Device-Agnostic Foundation Model for EEG Authentication

Resumo Técnico: NeuroShield: Um Modelo de Fundação Agnóstico a Dispositivos para Autenticação por EEG

Definição do Problema
Os sistemas atuais de autenticação por EEG enfrentam uma limitação fundamental: eles estão fortemente acoplados a configurações de aquisição específicas, incluindo hardware de captação fixo, layouts de canais e durações de sinal. Os modelos existentes tipicamente assumem um conjunto de canais predefinido, ordem de canais estável e janelas temporais fixas. Consequentemente, variações no hardware (por exemplo, diferentes contagens de eletrodos ou posicionamentos) ou protocolos de gravação (por exemplo, comprimentos de sinal variáveis) tornam esses modelos inaplicáveis sem o retreinamento. Essa fragmentação força pesquisadores a tratar cada novo conjunto de dados ou headset como um problema de modelagem separado, dificultando a transferência de conhecimento, limitando o aprendizado multi-dataset e reduzindo a reusabilidade do modelo. O campo atualmente depende de pipelines específicos para cada dataset em vez de codificadores reutilizáveis capazes de acumular conhecimento através de condições de gravação heterogêneas.

Metodologia: Arquitetura NeuroShield
Para enfrentar essas restrições, os autores introduzem o NeuroShield, um modelo de fundação projetado para aprender embeddings discriminativos de identidade a partir de gravações de EEG com canais e comprimentos variáveis. A inovação central é uma arquitetura transformer de estágio duplo que desacopla a modelagem temporal da agregação espacial, permitindo entradas flexíveis.

1. Representação de Entrada: Segmentos de EEG são representados como $S \in \mathbb{R}^{C \times T}$, onde $C$ é o número de canais disponíveis e $T$ é o número de amostras temporais. O modelo suporta variações tanto em $C$ quanto em $T$.
2. Patching Temporal e Codificação:
   • A forma de onda de cada canal é dividida em patches temporais de comprimento fixo.
   • Um Codificador de Patch (Patch Encoder) mapeia esses fragmentos de sinal bruto em um espaço latente compartilhado.
   • Um Transformer Temporal processa a sequência de tokens de patch para cada canal de forma independente. Ele utiliza ALiBi (Attention with Linear Biases) para codificar informações de posição relativa, permitindo que o modelo lide com comprimentos de sequência variáveis e extrapole para durações mais longas do que as observadas durante o treinamento. Um token de classificação temporal (CLS) é extraído para cada canal para resumir suas características temporais.
3. Agregação Espacial:
   • Os embeddings de nível de canal são agregados usando um Transformer de Canal.
   • Crucialmente, este estágio incorpora embeddings de posição conscientes da geometria, derivados das coordenadas 3D dos eletrodos. Isso permite que o modelo compreenda as relações espaciais entre os eletrodos sem assumir uma ordem ou layout de canais fixo.
   • Um token CLS de canal resume a representação final do segmento.
4. Objetivo de Treinamento: O modelo é treinado utilizando Perda Contrastiva Supervisionada (SupConLoss). Este objetivo incentiva os embeddings do mesmo sujeito a se agruparem, enquanto afasta os embeddings de sujeitos diferentes, otimizando o espaço métrico para autenticação.

Protocolo Experimental

• Pré-treinamento: O NeuroShield foi pré-treinado em três grandes conjuntos de dados públicos (TUH-EEG, DVS-rsEEG, PREDICT) compreendendo 15.762 sujeitos e 28.116 sessões. Esses datasets abrangem múltiplos layouts de canais (17–64 canais) e sistemas de aquisição.
• Avaliação: O modelo foi avaliado em dois datasets subsequentes não vistos: PEERS (345 sujeitos, 89 canais, grau médico) e FRC-EEG (30 sujeitos, 14 canais, nível de consumo Emotiv Epoc X).
• Baselines: Comparações foram feitas contra o treinamento da arquitetura do zero (NS-Scratch) e um baseline de estado da arte reproduzido (Fallahi et al., 2026), que utiliza um codificador ResNet1D com entradas fixas.
• Configurações: As avaliações incluíram transferência zero-shot (sem ajuste fino), ajuste fino total (NS-FullFT), ajuste fino parcial (NS-LastFT) e ajuste fino eficiente em parâmetros (NS-PEFT).

Principais Resultados

• Melhoria de Desempenho: Após o ajuste fino, o NeuroShield superou consistentemente o baseline de estado da arte. No dataset PEERS, ele reduziu a Taxa de Erro Igual (EER) de 10,25% para 7,71% (um ganho de 2,54 pontos percentuais). No FRC-EEG, reduziu a EER de 18,18% para 14,75%.
• Capacidade Zero-Shot: O modelo pré-treinado demonstrou informações de identidade transferíveis em configurações zero-shot, alcançando EERs significativamente abaixo do nível do acaso (ex: 16,79% no PEERS) sem atualizações no dataset alvo, embora o ajuste fino tenha sido necessário para um desempenho competitivo.
• Flexibilidade Temporal: O modelo generalizou com sucesso para durações de entrada mais longas do que as observadas durante o treinamento (até 4,0 segundos vs. o limite de 2,0 segundos do treinamento). O desempenho melhorou conforme mais contexto temporal se tornava disponível, com o resultado de 4 segundos no PEERS (5,47% EER) superando os resultados anteriores de estado da arte.
• Flexibilidade Espacial e Robustez:
  • O modelo opera efetivamente através de diferentes layouts de canais e não depende de uma ordem fixa de canais; o desempenho permaneceu estável sob permutações de canais.
  • Demonstrou robustez à perda de canais, tolerando até 10–30% de perda de canais no momento da verificação com apenas uma degradação gradual de desempenho.
  • Generalizou para posições de eletrodos inteiramente não vistas (canais não presentes nos dados de treinamento) sem diferença estatística significativa no desempenho em comparação com os canais vistos.
• Composição de Dados: Análises indicaram que a diversidade de múltiplas sessões nos dados de treinamento é mais valiosa do que simplesmente aumentar o número de amostras de sessão única para o aprendizado de representações estáveis de sujeitos.

Significância e Alegações
O artigo afirma que o NeuroShield estabelece um novo paradigma para a autenticação por EEG ao mudar de modelos isolados e específicos de dataset para um modelo de fundação reutilizável e adaptável. Sua significância reside em:

1. Quebrar Dependências de Hardware: Permite a autenticação através de configurações de gravação heterogêneas (diferentes headsets, contagens de canais e layouts) sem a necessidade de desenvolvimento de modelos separados para cada configuração.
2. Acúmulo de Conhecimento: Demonstra que características discriminativas de identidade podem ser aprendidas através de diversos datasets e transferidas para dispositivos não vistos, apoiando o acúmulo de conhecimento entre estudos.
3. Implantação Prática: Ao tolerar durações de sinal variáveis e canais ausentes, o NeuroShield aborda desafios de implantação no mundo real, onde as condições de gravação raramente são estáticas ou perfeitas.
4. Ciência Aberta: Os autores liberam o modelo e o pipeline de avaliação como código aberto para facilitar a reprodutibilidade e a adoção pela comunidade.

Os autores concluem que, embora o NeuroShield reduza as taxas de erro em relação ao estado da arte, trabalhos adicionais são necessários para atingir a maturidade de modalidades biométricas estabelecidas, como o reconhecimento facial. Eles sugerem que melhorias futuras podem vir de corpora de pré-treinamento maiores, segmentos contínuos mais longos e avaliações mais diversas de dispositivos de nível de consumo.