arXiv（brain-computer interface）·· 2026-09-09AI 评分26
NERVE Attacks：AI 驱动的脑机接口安全威胁与 EEGle 分析框架
NERVE Attacks: Breaking AI-Powered Brain-Computer Interfaces
AI 导读
研究者提出 NERVE Attacks 攻击分类，从神经仿冒伪造、失同步规避、重放劫持、静脉窃取到嵌入式后门五个维度覆盖脑机接口完整技术栈，并发布 AI 辅助的可扩展安全分析框架 EEGle。评估发现 17 个新型神经特异性攻击实例，揭示脑机接口后门设计独有的隐蔽性-有效性谱系，并表明生成式 AI 降低了非专家攻击者的入门门槛。
AI 要点
团队
第一作者 Zahra Tarkhani、末位作者 Anil Madhavapeddy 等 5 位作者。
主要结果
提出 NERVE Attacks 攻击分类，含五个维度；用 EEGle 框架发现 17 个新的神经特异性攻击实例。
解决什么问题
AI 融入脑机接口后，神经信号与物理系统之间形成攻击面，威胁认知自主、心理隐私与人身安全。
方法
提出 EEGle——AI 辅助的可扩展 BCI 安全分析框架，用于系统评估该攻击类别。
局限
从研究设计看，为安全分析框架与攻击分类研究，未涉及人体或动物受试者验证。
AI 依据原文整理，未经人工核对。
来源：arXiv（brain-computer interface） · arxiv.org