[发明专利]一种脑机接口系统黑盒攻击方法

权利要求书

1.一种脑机接口系统黑盒攻击方法，其特征在于，包括以下步骤：

S1、向脑机接口系统中的目标模型询问预收集好的EEG样本集中的样本标签，得到替代模型训练集，并基于该训练集训练分类模型，得到替代模型；

S2、生成替代模型中各决策边界两侧的样本，向目标模型询问其标签，并合成到所述替代模型训练集中，然后基于所述替代模型训练集训练替代模型，重复步骤S2进行迭代，直至迭代次数达到迭代次数上限，得到训练好的替代模型；

S3、基于所得替代模型构造对抗样本；

S4、使用对抗样本对EEG的脑机接口系统进行黑盒攻击；

其中，步骤S2所述的方法包括以下步骤：

S21、初始化生成样本集为空集；

S22、在当前替代模型训练集中依次选择两类EEG样本集，初始化中间生成样本集为空集；

S23、在当前所选择的两类EGG样本集中随机选择两个不同类的EEG样本，在特征空间上通过二分法迭代生成位于替代模型在当前两类样本决策边界两侧的两个不同类样本，计算得到这两个样本中垂线上的样本，并加入到中间生成样本集中，重复步骤S23进行迭代，直至中间生成样本集中的样本个数达到预设样本数；

S24、将中间生成样本集加入到生成样本集中；

S25、重复步骤S22-S24，直至替代模型训练集中的各类EGG样本的两两组合均已覆盖完毕；

S26、向目标模型询问生成样本集中的样本标签，并将生成样本集及其标签加入到当前替代模型训练集中，更新替代模型训练集；

S27、基于替代模型训练集重新训练替代模型；

S28、重复步骤S21-S27进行迭代，直至迭代次数达到迭代次数上限，得到训练好的替代模型。

2.根据权利要求1所述的脑机接口系统黑盒攻击方法，其特征在于，所述预收集好的EEG样本集中每一类标签所对应的EEG样本数大于或等于1。

3.根据权利要求1所述的脑机接口系统黑盒攻击方法，其特征在于，所述分类模型为深度学习模型。

4.根据权利要求1所述的脑机接口系统黑盒攻击方法，其特征在于，构造所得的对抗样本为：其中，x_i为预收集好的EEG样本集中的样本，ε为扰动上限，J为所得替代模型的损失函数，θ为替代模型的参数，y′_i为向替代模型询问所得的x_i的标签。

5.根据权利要求1-4任意一项所述的脑机接口系统黑盒攻击方法，其特征在于，应用于基于EEG的脑机接口系统安全领域。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5任意一项所述的攻击方法。