脑机接口技术调研报告 - FreeBuf网络安全行业门户

官方公众号企业安全新浪微博

FreeBuf.COM网络安全行业门户，每日发布专业的安全资讯、技术剖析。

FreeBuf+小程序把安全装进口袋

安全报告

脑机接口技术调研报告

2022-03-31 14:36:34

所属地天津

脑机接口技术

1.1基本介绍

脑机接口是指在人或动物大脑与外部设备之间创建的直接连接，实现脑与外部设备之间的信息交换，其工作流程包括脑电信号的采集和获取、信号处理、信号的输出和执行，最终再将信号反馈给大脑。脑机接口最早在20世纪末提出，目的是帮助残疾人重新行走或支配上肢。近年来，脑机接口技术的理论和实际应用的研究进展迅速，技术日趋成熟，其应用领域在不断扩大。

1.2工作流程

脑机接口工作流程中，信号采集是使用传感器，如脑电帽采集大脑信号；信号处理则包括信号处理、特征工程、分类回归三个步骤。

信息收集依靠的脑机接口根据“侵入性”可以分为三类：

①非侵入式：是指无需通过侵入大脑，只需通过附着在头皮上的穿戴设备来对大脑信息进行记录何解读。这种技术虽然避免了昂贵和危险的手术，但是由于颅骨对于大脑信号的衰减作用，以及对于神经元发出的电磁波的分散和模糊效应，使得记录到的信号强度和分辨率并不高，很难确定发出信号的脑区或者相关的单个神经元的放电。

典型的非侵入式系统有脑电图(EEG)，脑电图是有潜力的非侵入式脑机接口的主要信息分析技术之一，这主要是因为该技术良好的时间分辨率、易用性、便携性和相对低廉的价格。但是，脑电图技术的一个问题是它对噪声的敏感；另一个使用EEG作为脑机接口的现实障碍是用户在工作之前要进行大量的训练。

②侵入式：是指通过手术等方式直接将电极植入到大脑皮层，这样可以获得高质量的神经信号，但是却存在着较高的安全风险和成本。另外，由于异物侵入，可能会引发免疫反应和愈伤组织（疤痕组织），导致电极信号质量衰退甚至是消失。另外伤口也易出现难以愈合及炎症反应。

③半侵入式：即将脑机接口植入到颅腔内，但是在大脑皮层之外。主要基于皮层脑电图（ECoG）进行信息分析。虽然其获得的信号强度及分辨率弱于侵入式，但是却优于非侵入式，同时可以进一步降低免疫反应和愈伤组织的几率。

1.3应用领域

目前，医疗健康领域是脑机接口技术最初且最主要的应用领域，也是当前离商业化最近的应用领域。随着技术的发展，应用领域不断拓宽，未来将逐步应用于游戏娱乐、学习教育、智能家居和军事领域。

脑机接口在医疗领域的应用主要集中在“监测”、“改善/恢复”、“替代”和“增强”四大功效上；脑机接口在游戏娱乐领域的应用主要是为游戏玩家提供有别于传统游戏控制之外的新的操作维度，通过意念并结合VR来控制游戏，获得身临其境的沉浸式游戏体验；脑机接口在学习教育领域的应用主要集中在学习状态识别、注意力水平测量、学习动机评估等方面；脑机接口在智能家居领域的应用集中在“补充”方面，通过结合物联网，脑机接口可相当于“遥控器”，人们通过意念控制灯的开关、窗帘的开关等，甚至进一步控制家庭机器人的运作；脑机接口在军事领域的应用集中在“替代”和“增强”上，通过控制各类无人机和机器人，代替士兵执行各类危险任务，减少人员伤亡。

1.4国家战略

脑机接口技术作为脑科学和类脑智能研究的重要方向，现已上升为国家的科技战略重点，并成为未来发展的核心技术领域。

美国：早在1989年率先提出全国性的脑科学计划，并把本世纪最后10年命名为“脑的10年”。白宫于2013年4月提出被认为可与人类基因组计划相媲美的“脑计划” ，旨在探索人类大脑工作机制、绘制脑活动全图、推动神经科学研究、针对目前无法治愈的大脑疾病开发新疗法。美国政府公布“脑计划（US BRAIN Initiative）”启动资金逾1亿美元，后经调整，计划未来12年间共投入45亿美元。

欧盟：1991年欧洲出台“欧洲脑10年”计划。2013年1月，欧盟委员会宣布人脑工程入选“未来新兴旗舰技术项目”，并设立专项研发计划“人类大脑计划（HBP）”，可在未来10年内（2013年至2023年）获得10亿欧元经费。该项目集合了来自不同领域的400多名研究人员。

日本：1996年，日本制定为期20年的“脑科学时代”计划，计划每年投资1000亿日元，总投资达到2万亿日元。2014年9月，日本科学省也宣布了自己“脑计划”的首席科学家和组织模式。日本“脑计划”侧重于医学领域，主要是以狨猴大脑为模型加快对人类大脑疾病如老年性痴呆和精神分裂症的研究。日本政府2015年关于“脑计划”的预算约64亿日元（约合6375万美元）。

中国：“脑科学和类脑研究”已被列入“十三五”规划纲要中的国家重大科技创新和工程项目。中科院于今年初成立包含20个院所80个精英实验室的脑科学和智能技术卓越创新中心。对“中国脑计划”，各领域科学家提出了“一体两翼”的布局建议：即以研究脑认知的神经原理为“主体”，研发脑重大疾病诊治新手段和脑机智能新技术为“两翼”。目标是在未来15年内，在脑科学、脑疾病早期诊断与干预、类脑智能器件三个前沿领域取得国际领先的成果。经粗略估算，我国对该领域的主要经费投入，从2010年的每年约3.48亿，增长到2013年的每年近5亿元人民币。

1.5发展问题

在发展过程中，脑机接口也面临着诸多挑战。脑机接口的发展需要多个学科发展的共同支撑，然而任何一个学科的落后都会造成短板效应，跨学科的复杂性制约了脑机接口技术的发展。再者，脑机接口技术成熟度低也是当前亟待改善的地方；脑机接口在非技术类问题上也存在诸多难点，主要为安全和伦理问题，包括黑客攻击、意念控制、数据窃取，甚至人性问题、伦理问题、审查问题等等。因而，脑机接口的落地也势必伴随着一些列相关法律法规的出台，才可商业化和规模化应用。

近期国内外研究进展

2.1国内研究进展

实现实例

2019年4月7日，中央电视台的《挑战不可能》节目中，清华大学研究团队展示了一套脑机接口打字输入系统。在这套系统的帮助下，全身只有眼球和嘴角可以活动的渐冻人王甲成功实现诗句拼写，并完成了与董卿评委的“合诵”。这套系统展示了脑机接口系统在帮助渐冻症群体重拾交流能力的潜力。
2020年1月，浙江大学研究团队也实现了国内第一例植入式脑机接口临床研究。在植入电极后，这位72 岁的高位截瘫老人可以利用大脑运动皮层信号精准控制外部机械臂与机械手实现三维空间的运动，首次证明高龄患者利用植入式脑机接口进行复杂而有效的运动控制的可行性。
2020年8月，西安交大二附院重症医学科联合西安交大机械工程学院使用脑机接口技术BCI，成功使一位高位截瘫失语患者“说”出“你好”。该案例成为首次利用BCI技术实现高位截瘫失语患者“说”出话的成功案例。患者带上脑电帽便可通过注视电脑屏幕“操控”设备，接着电脑屏幕上不断跳出字符。
2021年6月份，纽约大学医学院 Wang Jing 教授和陈哲教授作为共同通讯作者（第一作者为张巧生博士），在 Nature 子刊 Nature Biomedical Engineering 在线发表了题为：A prototype closed-loop brain–machine interface for the study and treatment of pain 的研究论文。该研究首次实现了对急慢性疼痛感知信息的实时解码以及光遗传刺激反馈，从而达到了对疼痛的实时闭环调控与治疗。
2021年9月10-13日，2021世界机器人大会（World Robot Conference, WRC）在京召开。高教授（高老师创意及设计，北邮团队开发实现）在大会上推出了世界上第一份群体脑机接口系统，我们叫做“神聊系统”，最多支持二十个人实时进行脑电交流。二十个人的群聊环境相当于一个班的教室，大家不用说话就可以把知识交流出来，或者能够知道谁听课了谁没听课。

技术进展

新硬件

清华大学及合作研究团队开发的一种高成本效率、易于制造、灵活、鲁棒且无凝胶的银纳米线/聚乙稀醇缩丁醛/三聚氰胺海绵的脑电电极，具有具有高电导率，重量低及卓越的机械稳定性和绕过头发的能力的特性。这一成果显示出该新型电极有望替代脑电采集的常规电极。另外，脑电数据处理芯片化有望为脑机接口技术走向民用化、便携化、可穿戴化及简单易用化开辟道路。

2019年，天津大学和中国电子信息产业集团在第三届世界智能大会上发布了脑机接口专用芯片“脑语者”。

新算法

华中科技大学的研究团队提出了一种新颖的流形嵌入知识迁移（manifold embedded knowledge transfer，MEKT）方法。该方法首先在黎曼流形中对齐EEG试次的协方差矩阵，提取切线空间中的特征；然后通过最小化源域和目标域之间的联合概率分布偏移来实现域自适应，同时保留其几何结构。

新范式

2021年，深圳大学医学部生物医学工程学院梁臻博士(张治国教授团队MIND LAB核心成员)提出一种实用的基于无监督学习的卷积循环混合生成对抗网络，用以实现有效的脑电特征表征与融合，简称为EEGFuseNet。EEGFuseNet以无监督的方式进行训练和学习，并自动提取涵盖空间和时间动态变化性的深度EEG特征。与现有传统脑电特征相比，所提取的深度EEG特征被证实更具通用性，并且不受限于特定的脑电任务。

新应用

中国科学院半导体研究所和清华大学的研究团队利用room-scale 虚拟现实头盔开发一个便携式稳态视觉诱发电位脑机接口。通过解决虚拟现实中刺激呈现和基于移动脑电信号进行目标识别的问题，验证了脑机接口在移动虚拟现实环境中的应用潜力，并为利用移动虚拟现实系统开发实用脑机接口提供了实验和方法的指导。

中国医学科学院生物医学工程研究所及合作研究团队则将脑机接口技术引入数字符号转换测试（digit symbol substitution test，DSST）领域，构建了基于稳态视觉诱发电位脑机接口的数字符号转换测试系统。

浙江大学、中国矿业大学和伦敦大学的研究人员研究了可用于识别神经肌肉信号的空间特征和解码器。具体来说，研究人员提出了利用迁移学习和深度学习的方法，将表面肌电信号数据转换为包含丰富的时频域信息的声谱图。对于迁移学习，在大型图像数据集上使用一个预先训练好的Xception模型来生成特征。然后利用提取的特征对三种深度学习方法(MLP、CNN和bLSTM)进行训练，并对其进行评价，以识别词集中的发音肌肉运动。所提出的解码器成功地识别了无声语音，双向长短时记忆的准确率达到了90%，优于其他两种算法。实验结果验证了谱图特征和深度学习算法的有效性。

新研究

华中科技大学的研究人员研究了基于脑电图的BCI拼写的安全性问题，即研究了它们如何受到对抗性干扰的影响。论文已在arXiv上预先发表，揭示了基于EEG的脑机接口中的安全性问题，表明BCI的拼写者被这些干扰所欺骗，因此很容易受到对抗性攻击。

2.2国外研究进展

实现实例

2019年4月，加州大学旧金山分校（UCSF）的神经外科学家Edward Chang教授与其同事开发出一种神经解码器，可以将人脑神经信号转化为语音，为帮助无法说话的患者实现发声交流完成了有力的概念验证。
2019年7月7日，来自卡耐基梅隆大学和明尼苏达大学的研究人员则为脑机接口的机械臂控制提出了非侵入的解决方案。基于头皮脑电，研究者可以控制机械臂，实现对连续随机运动目标的实时跟踪。在该研究成果中，研究人员将计算机光标的连续跟踪提高了500%以上，解决了机械臂跟随光标的流畅度问题，同时结合在线无创神经成像，将脑机接口的控制水平提升了近10%。这种高质量的神经解码能力与非侵入式机械臂控制的实际应用相结合，将对利用非侵入式脑机接口开发和实现神经机器人技术产生重大影响。这项研究代表了无创脑机接口技术发展的重要一步，有望成为如智能手机一样帮助每个人的辅助技术。该研究成果发表在《Science Robotics》上。
2019 年 7 月，Neuralink 发布第一代脑机接口设备 N1 芯片、柔性电极及芯片植入设备缝纫机，并在小鼠身上展示。
2019年7月17日，Space X及特斯拉创始人埃隆·马斯克召开发布会，宣布成立两年的脑机接口公司Neuralink的脑机接口技术获重大突破，他们已经找到了高效实现脑机接口的方法。这实际上是一套脑机接口系统：利用一台神经手术机器人在脑部28平方毫米的面积上，植入96根直径只有4-6微米的“线”，总共包含3072个电极，然后可以直接通过USB－C接口读取大脑信号。与以前的技术相比，新技术对大脑的损伤更小，传输的数据也更多。
2019年7月30日，Facebook一直资助的加州大学旧金山分校（UCSF）的脑机接口技术研究团队，首次证明可以从大脑活动中提取人类说出某个词汇的深层含义，并将提取内容迅速转换成文本。这一成果阐明脑机接口技术可以在交互式对话环境中实时解码语音，对于无法交流的患者具有重要意义。该工作发表在《Nature Communications》上。
2019年10月，法国格勒诺布尔大学及合作研究团队报道了一项脑控外骨骼的研究成果。研究人员在一名四肢瘫痪患者的大脑的上肢感觉运动区域植入了两个双侧无线硬膜外记录仪，以获取硬膜外ECoG信号。获取的ECoG信号通过自适应解码算法在线处理，以将命令发送至效应器（虚拟化身或外骨骼）。通过这款大脑控制外骨骼系统帮助下他实现了再次行走。这项工作首次成功验证了长期使用无线硬膜外多通道记录仪的可能，且首次将人类长期临床应用所需的所有技术要素（硬脑膜记录、无线供电和发射、多通道ECoG信号的在线解码以及完全嵌入）进行了组合。与微电极阵列相比，硬膜外ECoG侵入性较小，而效果相似，展示了较强的实际应用潜力。该工作发表在《The Lancet Neurology》上。
2020年3月，加州大学旧金山分校的研究团队利用受试者朗读文本时收集的ECoG信号，成功训练了一个可以将ECoG信号端到端“翻译”为连续文字的深度循环神经网络模型。通过在侧裂周围区植入电极并采集ECoG信号，该研究可以实现对受试者当前朗读句子的识别。4位病人颅内脑电解读错误率最低可以达到3%。该研究成果发表在《Nature Neuroscience》上。
2020年3月，美国斯坦福大学的研究人员开发出一种新设备，可以将大脑直接连接到硅芯片上。该设备将一束比人类头发还细的微型导线插入大脑，并将导线直接连接到外部硅芯片上，芯片可以记录通过每根导线传递的脑电信号。与现有设备相比，该设备可以记录更多的数据，而且侵入性更小。研究人员在大鼠的视网膜细胞上进行了测试，得到了有意义的信号。
2020年4月，在美国巴特尔纪念研究所及合作研究团队报道的研究中，基于脑机接口技术，一名脊髓损伤患者利用其手部残存的触摸信号实现了触觉和运动功能的同时恢复。
2020年5月，美国贝勒医学院的研究团队在国际顶级期刊《细胞》上刊登了一项研究成果，通过脑机接口技术，使用动态电流刺激大脑皮层，将视觉信息直接传递给大脑，帮助失明患者绕过受损的眼部和神经，恢复视力。
2020年8月，Neuralink公司将侵入式脑机接口系统植入猪的大脑并获得了清晰的脑电信号。
2020年10月，美空军研究实验室宣布，与微软研究院、麻省理工学院林肯实验室等多个行业合作伙伴共同开发“个性化神经学习系统”，创建人脑和计算机之间的接口，通过实时提取脑信号和其他生理数据确定人脑学习状态，以提高飞行员学习和快速有效决策的能力。
2021年4月，美国布朗大学的研究人员展示了人类首次使用高带宽无线脑机接口的场景。该系统可以以单神经元分辨率和全宽带保真度传输脑信号，而无需与解码系统进行物理绑定。这是迈向完全可植入皮质内脑机接口系统的重要一步。
2021年4月，马斯克（Elon Musk）的脑机接口公司Neuralink发布了一篇新的博客文章与视频，展示了他们在大脑控制研究上的最新突破：通过植入脑机接口技术，一只猴子能够在没有游戏操纵杆的情况下，仅用大脑意念来玩Pong游戏。该系统具有体积小、排异反应小、信号采集通道数量多、可无线通信和充电，实用化程度高的优点，为加速实用型“脑控”系统研发奠定了基础。预计该设备可用于解决许多神经系统问题，例如记忆力减退、中风和成瘾等，目前已获得美国食品药品监督管理局许可，有望在短期内开展人体试验。
2021年5月24日，失去双臂的倪敏成登上央视的《今日中国》，使用BrainCo生产的智能仿生手，写下了“今日中国”四个挥斥方遒的毛笔字。BrainCo生产的这双智能仿生手，可以通过提取佩戴者手臂上微弱的肌电与神经电信号，识别出人体的神经与肌肉活动，从而反推出人体的动作意图，并将人体的动作意图转化为假手的动作，真正做到手随心动。
2021年5月，由斯坦福大学、霍华德·休斯医学研究所(HHMI)、布朗大学等机构的科研人员联合研究，该研究首次从脑电信号中解码手写字母的动作，使瘫痪人士意念中的写字动作可以实时转换成屏幕上的文字。该项研究结果显示意念写字速度破纪录，写字速度能达到每分钟90个字符，原始准确率为94.1%。利用计算机通用自动校正功能，内容正确率进一步提高到99%以上。远超其他脑机接口的意念写字速度。
2021年10月份，加州大学旧金山分校(UCSF)的研究人员在《Nature Medicine》杂志上发表了他们的研究成果，首次确定并调节了与抑郁症状唯一相关的大脑回路。研究人员发现了Sarah大脑的哪一部分与负面情绪有关以及哪一部分会对缓解刺激做出反应后，研究人员将他们的发现整合到一个永久性植入物中，其作用类似于神经起搏器。Sarah大脑植入该类似于神经起搏器的植入物的一年后，她的抑郁症状成功得到了缓解。
2021年，脑机接口公司Synchron 给一名患有肌萎缩侧索硬化症(ALS) 的患者(PhilipO'Keefe)植入了脑机接口，PhilipO'Keefe将他的想法直接转化为文字，并首次通过 BCI 直接在社交媒体Twitter上发消息——对于这项技术来说，这是一个具有象征意义的时刻，它可以为瘫痪的人打开与世界保持联系的大门。

技术进展

新硬件

2019年7月，Elon Musk的Neuralink公司发布了一款可扩展的高带宽脑机接口系统。该系统包含小而灵活的电极“线”阵列，每个阵列多达96根线，每根线带有32个电极，共分布了多达3072个电极。该系统还包含一个神经外科手术机器人，该机器人每分钟可以插入六根线（即192个电极）。每根线可以以微米级的精度单独插入特定大脑靶区中，以避免表面血管。相较于传统的实验室中常见的设计较为简陋、未实现工程上的充分优化的样机， Neuralink提出的这一套脑机接口系统具有高度集成化、自动化的特点。

2020年9月11日，佐治亚理工学院及合作研究团队在《自然机器智能》杂志上报道了了一个完全便携式、无线、灵活的头皮电子系统，其中包括一组干电极和一个柔性膜电路。相比于商用系统，柔性电子产品因显著降低噪声和电磁干扰能够提高诱发电位检测性能。两通道的头皮电子系统获得了122.1 bit/min的信息传输率，允许对电动轮椅、电动汽车和无键盘演示进行无线、实时和通用的脑电控制。

2019年11月5日，英国诺丁汉大学及合作研究团队发表论文，介绍了一种基于自行车头盔改造且完全符合生命周期的可穿戴脑磁系统，该系统能够为所有年龄段的受试者提供高保真数据，且无需限制受试者的活动。因此可以使用单一系统测量儿童、成人在外部环境中大脑如何做出反应并适应自然事件的能力。

丹麦奥尔胡斯大学及合作研究团队开发的一种基于干式接触电极的外耳道脑电采集系统，该系统包括嵌入个性化软耳件中的主动屏蔽和纳米结构电极。通过12名受试者和听觉稳态响应、稳态视觉诱发电位、失匹配负波、alpha调制四种范式的验证，其性能与靠近耳朵的头皮脑电图性能相当。

日本熊本大学和山口大学的研究团队将近红外光谱、皮层脑电和负温度系数热敏电阻传感器的多通道测量功能集成到单个设备中。该设备使用柔性印刷电路技术和半导体微制造技术进行制造和组装，以实现与硬膜下植入兼容的传感器组件的高密度集成，并且具有类似于神经外科手术中硬膜下条状电极的紧凑外形，可以提供有关大脑皮层活动各个方面的有益信息，并被证明是术前、术中和术后诊断的有力医学手段。

2021年6月，韩国科学技术研究院(KAIST)的研究团队及其合作者开发了一种新的基于水凝胶的灵活脑机接口。

2021年8月份由布朗大学等多所高校及公司的联合项目的研究成果发表在《Nature Electronics》上，研究人员创造了一种脑机接口(BCI)，它使用由一种被称为“神经颗粒”的微芯片组成的无线网络进行神经记录和刺激，并展示了使用近50个这种自主神经颗粒来记录啮齿动物的神经活动。

新算法

卡内基梅隆大学及合作研究团队利用低维神经流形（即描述神经元之间特定相关模式的低维空间）的对齐，开发了一种基于流形的神经信号稳定器，以实现脑机接口信号的稳定输入，从而在神经记录不稳定时依旧能够维持脑机接口性能。

斯坦福大学及合作研究团队提出了一种时间约束的稀疏组空间模式（temporally constrained sparse group spatial patterns），通过同时优化共空间模式中滤波器频带和时间窗长，实现进一步提高想象运动脑机接口的性能。

英国埃塞克斯大学及合作研究团队提出了一种用于脑机音乐接口（brain computer music interface，BCMI）的个性化情感状态检测方法。相比于基于群体的检测方法（population-based detection method），个性化情感状态检测方法的正确率更高，情感效价和唤醒度的平均正确率分别提高了10.2%和9.3%。

韩国高丽大学和新加坡南洋理工大学的研究团队提出了一种基于受试者的分段频谱滤波（subject-dependent and section-wise spectral filtering，SSSF）方法，旨在从预处理技术（即频谱滤波）的角度提高运动相关皮层电位（movement-related cortical potential，MRCP）的解码性能。该方法考虑了两个不同的时间段的受试者个性化MRCP频谱频率特征，对单试次MRCP检测实现了0.86的平均解码性能，验证了所提出的SSSF方法比常规方法可以包含更多有意义的MRCP信息。

法国Aramis project-team及合作研究团队提出了一种融合方法，该方法能够整合来自同步脑电和脑磁信号的信息，以提高基于运动想象脑机接口的分类性能。该方法的核心在于能够自动加权每种模态的贡献，以优化性能。与单模态方法相比，基于脑电和脑磁的多模态信息能够显著提高脑机接口的分类性能。

新范式

斯坦福大学及合作研究团队利用神经元记录在四肢瘫痪患者上研究了面部、头部、手臂和腿部运动如何在前运动皮层“手结区”中表征。他们发现上述所有运动在“手结区”均具有较好的表征，并且存在着将四肢联系起来的神经编码。这种联系可能有助于大脑将其某一肢体学会的技能转移至另一肢体中。基于上述发现，该研究团队设计一个脑机接口系统，能够利用“手结区”的信号精确地解码四肢的运动。先前研究者往往认为要控制身体的不同部位就需要在大脑的多个区域植入电极，而这一研究成果展示只在一个区域放置植入电极，就可能实现全身的运动控制，这一成果将大大拓宽颅内脑机接口的应用空间。

多伦多大学及合作研究团队利用近红外光谱成像技术实现了在线三分类想象言语脑机接口。用户可以通过隐式默念短语“是”或“否”来直接回答是或否问题，该接口还能识别无限制休息状态。

匹兹堡大学的研究团队提出了一种基于运动想象的混合脑机接口，它利用脑电图记录脑电活动以及利用功能性经颅多普勒超声（functional transcranial Doppler ultrasound ，fTCD）测量脑血流速度。研究人员计算了来自EEG和fTCD信号的功率谱特征，并利用互信息和线性支持向量机进行特征选择和分类。与现有的基于EEG和fNIRS的混合脑机接口相比，所构建的系统能够以较短的任务持续时间实现相似或更高的准确率。

东京农工大学的研究团队研究了动作观察的目标对象（即参与者或其他人的手）是否影响想象运动时的大脑活动。研究人员发现，想象运动期间动作观察来自于受试者自己的手（MI+ownAO）所诱发的感觉运动区alpha节律的事件相关去同步强于仅想象运动（MI）和想象运动期间动作观察来自于其他人的手（MI+otherAO）两种情况。研究人员建议在具有动作观察的闭环脑机接口设计中应该使用用户自己肢体的视频。

新应用

哥伦比亚大学的研究团队验证了可以使用基于脑电的反馈来改变个体的唤醒程度，从而使他们的任务表现显著提高。这项工作展示了一个闭环的脑机接口，该系统基于脑电信号解码器输出的听觉反馈信号，动态地调整个体在执行boundary-avoidance任务时的唤醒程度，并根据Yerkes-Dodson定律提高任务执行效率。该方法有望应用于不同的任务或用于将自我调节作为目标治疗的临床应用。

俄罗斯Neurobotics和莫斯科物理技术学院的研究团队介绍了另外一种新颖的闭环脑机接口系统。该系统可利用受试者的脑电特征实时重建受试者观察到的或想象的刺激图像，并将重建的图像作为视觉反馈呈现给受试者。所提出的技术可以通过将原始刺激替换为受试者的意念驱动图像重建模型，从而有望用于训练脑机接口的新用户。脑活动除了可以反映个体的意图和状态，也可以体现个体的特质。

新研究

为了解开大脑的秘密，2017年，（NIH）通过推进创新神经技术，开启了「大脑细胞普查网络项目」(BICCN)，旨在对人类、猴子和小鼠大脑中的不同细胞类型进行全面识别和编目。

2021年10月，美国国立卫生研究院的研究人员在分子水平上全面绘制出了哺乳动物初级运动皮层细胞类型的特征图。这是迄今为止对哺乳动物大脑所绘制的最全面、最细致的地图，为更深入地研究哺乳动物大脑其余部分的细胞类型奠定了基础。这些发现以17篇相关论文的形式发表在《自然》杂志专辑上。

2021年8月份，神经科学家经过多年的研究发现了人类大脑中处理语言声音的新途径，发表在《Cell》杂志上的研究结果表明，听觉和语言处理是并行进行的，这与长期以来认为大脑处理听觉信息然后将其转化为语言信息的理论相矛盾。

网络安全威胁和事件

3.1网络安全威胁

云中的数据存储

以Neuralink 项目为例，Musk 针对 Neuralink 项目的商业用例是推出兼容流行智能手机平台的系统兼容性。那么哪些应用程序或网站将被授权使用用户的 Neuralink 数据？这个数据共享问题势必将使 Neuralink 项目的网络安全状况复杂化。如果第三方应用程序被授权可以访问后端的大脑数据，那么想要准确地跟踪设备上保留了哪些信息以及哪些信息被传输给了应用程序供应商就会变得十分棘手。

用不了多久，这个问题就会转移成云端的网络安全问题。一旦用户的在线服务和站点数据接口托管在通用提供商处，那么它将很容易遭受到黑客目前使用的任何常见形式的网络攻击，造成数据泄露。

无线技术的漏洞

同样对于 Elon Musk 和 Neuralink 项目来说，大脑控制技术的潜力非常巨大，但它依赖的却是现有的无线通信技术。所有迹象都指出， Neuralink 使用蓝牙设备实现植入芯片和外联设备之间的交互，就像无线键盘和耳机一样。

通常来说，鉴于其配对系统和短程接收器特性，蓝牙一直被认为是一种安全的协议。然而，目前已知很多木马病毒都可以通过蓝牙实现传播，或是利用蓝牙从 Android 设备窃取数据。这表明 Neuralink 可能会受到可以通过蓝牙传播的恶意软件的潜在风险。此外，支持蓝牙功能的设备将向该区域内发现的任何接收器发送信号。虽然虚拟专用网络 (VPN) 技术已经被证明是一种有效的隐私工具，可以加密传统的互联网连接，但是 Neuralink 却是未知且未经验证的领域。理论上来说，通过它可以捕获无线传输以跟踪你的地理移动轨迹。一些网络安全专家也正在研究如何帮助企业或政府将人脑接口技术应用于监控项目。

无线技术是数据传输的重要途径之一，在数据传输的其他方式、环节中还存在大量的潜在安全威胁。

隐私数据安全

脑机接口技术不仅可以采集人类已表达出来的隐私信息，还将具备采集各种仅存储在大脑内部的隐私信息的能力，例如健康状况、生活经历、财产状况、社会关系、心理特征、婚恋、信仰等隐私信息。脑机接口有可能未经许可收集、处理神经信息。以数字形式存储的神经信息更容易被黑客或非法获得授权的公司悄悄收集。脑机接口还有可能泄露人的思维信息。思维信息可能是所有信息中最为隐私的，如果神经信息能够被脑机装置准确解读，那么人的思考过程和思考结果就可能被推断出来，人的思维便有可能被泄露或窃取。从信息安全角度来看，一旦未来脑机接口可以有效读取脑内信息，甚至通过对神经活动的调控向脑内“写入”信息，就会随之产生信息内容泄露、对脑活动的恶意干扰甚至操纵等风险。

网络安全问题

“脑机接口”技术可能会在未来加剧网络安全风险，如黑客攻击、拒绝服务、电子战等。零零实验室(00SEC)发布了关于神经工程与脑机接口的信息安全全景图，对于可能引发安全问题的环节做出了说明。

3.2网络安全事件

乔治·华盛顿大学及合作研究团队研究了家用脑电系统的安全性，发现NeuroSky App store 中的 156 个脑机接口应用程序都容易受到近程攻击，而且 31 个免费应用程序都容易受到至少一种远程攻击的攻击。

国家安全威胁和事件

4.1国家安全威胁

目前，少数发达国家在脑控武器研发和应用领域处于高度领先地位，其对脑控武器的掌握可能会打破当前基于核威慑的脆弱的国际军事平衡态势，从而加剧霸权主义对国际社会秩序的破坏和对弱小国家的欺凌甚至奴役。而针对有核国家单方面滥用脑控武器则可能会引发其孤注一掷的核报复，从而将人类拖入核战争的深渊。

当出现军事上的“脑控间谍”及危险分子恶意滥用等情况，将会对国家安全，乃至人类安全造成严重威胁。

4.2国家安全事例

为测试“脑机接口”在国家安全和未来作战中的运用，兰德团队通过“国家安全博弈”对其进行了测试。测试中，测试者设置了7种“脑机接口”功能以及2种作战场景：清除建筑物、伏击和伤员撤离。测试结果表明，在这两个作战场景中，3种功能被最经常使用：人机决策、人机免提控制、作战人员身体机能提升（如提高作战人员的视觉和听觉能力）。测试结果表明“脑机接口”的军事应用存在一定的风险，可能被敌方利用并对目前的军事组织结构产生影响。