熵基科技发布《BrainScape》研究论文！探索脑机接口场景下的数据安全与协同计算架构

该研究围绕脑机接口（BCI）应用中的数据安全、模型泛化与分布式协同等问题，提出了一种面向“主权云”架构的技术方案，重点探索联邦学习、隐私保护及端边云协同在BCI场景中的应用路径。

值得一提的是，今年3月28日，在公司主办的“Change-Maker脑机接口（中国）发布会”上，熵基科技正式发布ZKBrainScape脑机接口主权云平台，并同步推出相关技术白皮书。

ZKBrainScape平台由公司自主研发，围绕情绪计算、主权云架构及生态协同等方向构建，形成覆盖算法、平台与应用的技术体系。同时融合多模态BioCV与BCI能力，实现身份识别与大脑状态感知的协同应用，进一步拓展脑机接口技术的场景应用能力。

聚焦脑机接口规模化应用中的现实问题

近年来，非侵入式脑机接口技术在教育专注力训练、神经康复、情绪健康等方向持续拓展，行业对于数据安全、模型适配和合规部署的关注度也在不断提升。

在实际应用过程中，行业普遍面临几项共性挑战：

脑电数据具有较高敏感性，传统集中式数据处理方式在隐私保护与数据流转方面存在一定压力；

l 不同用户之间脑电信号差异明显，模型跨个体泛化能力仍有提升空间；

l 隐私保护机制往往伴随额外计算成本，如何平衡安全性与模型性能，是当前技术演进中的重点问题之一。

BrainScape架构的主要研究内容

针对上述问题，论文提出了以“分布式主权云+联邦学习优化+低秩适配”为核心的BrainScape架构，希望在数据不离域的前提下，提升模型协同训练与跨用户适配能力。

主要研究方向包括：

分布式主权云架构

通过端边云协同方式，用户脑电数据在本地完成处理，模型参数以加密形式进行同步与聚合，减少原始数据跨域流转带来的隐私风险。

分布式权重合并机制

针对不同设备与用户之间模型更新差异问题，研究提出基于低秩Bias适配器的权重聚合方法，以改善跨用户场景中的模型泛化表现。

DARE隐私保护算法

论文结合零知识证明与联邦学习机制，对成员推断攻击等隐私风险进行优化。实验结果显示，在保持模型性能相对稳定的情况下，相关攻击成功率得到一定程度下降。

根据论文实验数据，该架构在跨用户、跨场景任务中，对模型稳定性与泛化能力表现出一定改善效果。

持续推进脑机接口基础能力建设

作为以AI认知为核心驱动的全球智能空间进化服务商，熵基科技长期深耕多模态BioCV（计算机视觉与生物识别）及AI认知空间计算技术，并依托子公司熵云脑机，前瞻布局脑机接口领域，构建起涵盖“芯片-算法-主权云-应用”全场景应用的全链条闭环体系。

据悉，在软件与服务层面，熵基科技融合NeuroSky的生物传感技术与熵基科技的Minerva IoT平台，重点建设“情绪云服务平台”，通过云端算法持续迭代升级，为行业合作伙伴及终端用户提供符合相应垂直场景下的情绪识别、情绪管理与场景化智能服务方案。

熵基科技表示，相关研究主要面向教育、康复及情绪健康等脑机接口应用方向，重点关注数据合规、部署效率及跨终端适配等基础问题。

随着脑机接口逐步从科研探索走向产业应用，围绕隐私计算、模型协同与数据安全的底层能力建设，正在成为行业关注的重要方向之一。

据公开的信息显示，熵基科技已开展情绪分析以及相关专利布局，并正在推进相关方案在实际场景中的验证与应用。

熵基科技智能创新研究院院长表示：“BrainScape相关研究主要围绕脑机接口场景中的数据安全与模型协同展开。未来，公司将继续结合实际应用需求，在隐私保护、模型泛化以及系统协同等方向持续开展研究与验证。”