2022年11月4日，华南理工大学靳战鹏教授作《From Brain to Heart: How Our Body Acts and Reacts as Emerging Biometrics》的主题报告。靳教授通过分享自身团队在五个方面的研究进展对该主题展开介绍：（1）现有生物识别方法及其存在的问题；（2）脑纹和心电在生物识别方面的优势；（3）脑纹识别的优势；（4）主动思考的研究过程；（5）ERP的优势及具体实现过程；（6）心脏识别的优势；（7）心脏识别的应用；（8）发展与展望。

1. 现有生物识别方法及其存在的问题

1.1 现有生物识别方法

生物识别方法具有独特的生理和行为特征来识别个体，而现有的识别方法一般通过如指纹、手掌、虹膜、面部和声音等方法进行身份验证。

1.2 存在的问题

但是目前的生物识别方法存在生物特征可复制和不可消除的问题。就拿指纹识别为例，指纹获取相对容易，譬如从物体表面，甚至从高分辨的照片中可以仿造出受害者的指纹信息，而人的指纹被获取之后，却无法再生成指纹，而同时也没办法消除身份识别系统中已有的指纹信息，这意味着一旦指纹被他人所有后，便会被他人永久利用。

除此之外，非故意纰漏和故意纰漏也是目前生物识别方法存在问题之一。为了举例方便，还是用指纹识别作为例子。受害人触摸物体后产生的指纹信息被非法分子利用，这就属于非故意纰漏；而非法分子为了获取受害者的指纹信息，不惜做出伤害受害人以进行身份验证的行为，便属于故意纰漏。

而正因为这些原因，现有的生物识别方法在需要高可靠、高安全保障的工作中仍然不够安全，并且这些方法会威胁到人们的生命安全。对于现有的生物识别方法进行分析，可以发现，目前的生物识别技术大多通过外界可见的生物特征进行识别，而相比之下，外界不可见的大脑和心脏是用于身份验证的新的生物特征。

2. 脑纹和心电在生物识别方面的优势

2.1 不可见

相对于指纹、虹膜等可见的生物特征，脑纹(EEG)和心电(ECG)在攻击上会更加困难，并且会更加安全。

2.2 动态变化

脑纹和心电很难重复和拷贝，适用于持续性验证。脑纹会随着人的成长而发展，并且随心智的成长而成长；而指纹、脸部特征十分稳定，容易留下痕迹。

3. 脑纹识别的优势

3.1 安全

3.1.1 系统安全

不需要用户记录，安全性；数据被攻击后，还可以获取新的数据；当事人必须是活的，大脑信息必须来自于活体采集。

3.1.2 用户安全

用户的安全，不仅仅是系统的安全。

3.2 实用的胁迫解决方案。

3.3 量化我们认知的独特性。

3.4 非意志性脑电脑波。

独特的记忆和用户的知识并且不受用户控制的直观响应。

4. 主动思考的研究过程

Prof. John Chuang 在2014 提出 “passthoughts”。

他们认为人会产生许多虚拟场景，而对于虚拟场景会产生脑电波，不可见的密码，只有自己知道，那么这种密码是否可以用于脑纹识别？

但经过研究发现这种主动思考的效果并不是很好。导致这些的原因是人们在思考时会不可避免的受其他因素干扰，因此不能很精准的把控思考的过程，也就不能捕捉主动想法的脑纹。

5. ERP的优势及具体实现过程

5.1 ERP的优势

团队由active thinking 变为 pessive thinking ，用于捕捉被动思考过程。他们通过心理学解读大脑的反应，心理学表明，当大脑产生一件事件之后会产生一个独立的反应，并且在短暂时间内大脑会处于不受控的状态。例如一个人害怕狗，当看到狗照片的第一反应会特别紧张，这个就是不受控的状态。这种反应就完全结合了大脑的认知（knowledge base）和心理反应。

在研究中，最开始的时候三个人的大脑反应的虚拟场景（virtual images）没什么规律和区别，但他们的ERP很强的差异，而对于一个人却具有好的一致性，原因是ERP的产生不会依赖于人当时主动的想法，而是依赖于潜意识里的认知（knowledge base）。

对于ERP的生动解释，就譬如有些人非常喜欢狗，见到会很兴奋，而害怕狗的会紧张。这种反应的差异完全依赖于认知（knowledge）和经验（experience），结合心理学发现，对于不同性别、脸和食物，人的大脑都会产生强烈反应。并且会有不同大脑区域热点的反应 （已由神经科学检验过了）。 

通过不同图像的效用，将他们混合起来利用产生的ERP，用于激发大脑的独特反应。并且在2014年提出“brainprints”。 

5.2 具体实现过程

5.3 结论

通过不同纹路的图像、文字、食物，通过心理学上会激发大脑不同的行为。

选取的人脸图像，需要具有普遍的认知，例如名人的人脸，而人脸图像也被很多神经研究广泛应用。

图5-2-4可以看到彩色照片认知不是最好的，原因在于彩色容易分散注意力。

图5-2-5发现在一年之中，图像有细微的变化，原因在于人在不断学习，认知水平在不断的改变。

对于数据的泄露，仅需重新经过虚拟图像的激发即可获取新的脑纹信息，并且增大新数据库与旧数据库的差异性进一步保障安全。

经过上述研究，脑纹识别虽然有众多优势，然而代价是脑纹识别需要克服认知水平的变化，如何克服与识别是脑纹识别的重大突破。

6. 心脏识别的优势

6.1 心脏系统是一个动态的过程

6.2 相对于其他生物特征，心脏不可见

6.3 很难被重复和拷贝

6.4 容易比较

6.5 设备易穿戴，易获取心脏信息。

可以通过毫米波、雷达、wifi（图6-5-1）获得心脏系统运转的过程心脏动态的变化；通过光获得，例如手表（图6-5-2）；通过指尖（图6-5-4，图6-5-5）、脸部（图6-5-6）获得PPG，反应心脏动态系统的动态信号。

7. 心脏识别的应用

心脏识别可用于持续性的认证，并且通过无接触的方式保障个人的健康数据及隐私。

8. 发展与展望

军方、银行、国防部亟需高可靠、高安全性、而非便利性的新型身份认证技术。

同时元宇宙的兴起，由于头戴设备缺少相应的传感器，在身份认证方面也是一大挑战。

靳战鹏，华南理工大学长聘教授，首批“信实”冠名教授，博士生导师，人体数据感知教育部工程研究中心副主任，广东省数字孪生人重点实验室副主任。曾任纽约州立大学布法罗分校计算机科学与工程系终身制副教授，研究生部主任，Cyber-Med实验室主任。ACM和IEEE高级会员。目前主要研究兴趣包括普适计算，人机交互，智能感知，主动健康，人工智能以及相关技术在智慧医疗、生物特征识别、及物联网领域的应用。曾任美国空军研究院（AFRL）访问学者，美国国家科学基金会（NSF）、美国国家标准与技术研究院（NIST），美国陆军研究办公室（ARO）等机构的项目评审专家。目前担任四个国际期刊的副主编（ACM Computing Surveys, ACM IMWUT, Elsevier Computers in Biology and Medicine, CCF TPCI）和30余个国际期刊和会议的审稿人或技术委员会委员。已发表论文100余篇，其中主要工作发表在ACM IMWUT/UbiComp、ACM Computing Surveys， IEEE TIFS、TMC、TIM、TBME等期刊。

撰写人：聂云滔