Rozpoznávání skrytých informací k určení intencionální lži pomocí elektroencefalografie

Abstract

Rozpoznávání skrytých informací za účelem odhalení intencionální lži představuje klíčovou výzvu v oblasti bezpečnosti. Současné detektory lži jsou nákladné, nepohodlné a náchylné k manipulaci. Detektory lži založené na elektroencefalografii (EEG) se staly populárnějšími oproti polygrafům, jelikož nabízejí vyšší odolnost vůči vědomému ovlivnění. Hlavním cílem této disertační práce je vyvinout systém pro rychlou a efektivní detekci intencionální lži pomocí analýzy EEG signálů získaných nízkonákladovým zařízením, s využitím pokročilých metod strojového učení a výběru vlastností. EEG signály byly snímány během vizuálního experimentu, který zkoumá neurofyziologické změny při pokusu o lhaní prostřednictvím analýzy Event-Related Potential (ERP) komponenty P300. Následně byly analyzovány rozdíly v průběhu vln P300 účastníků v reakcích na vizuální podněty známých a neznámých tváří pomocí genetického algoritmu (GA) pro výběr vlastností a algoritmu Support Vector Machine (SVM) pro klasifikaci. Tento přístup dosáhl vysoké přesnosti klasifikace, což potvrzuje jeho účinnost a spolehlivost při rozpoznávání skrytých informací. Navržený systém je uživatelsky přívětivý a vhodný i pro uživatele bez hlubších odborných znalostí, což umožňuje snadnou implementaci s možností efektivního využití v akademických i praktických scénářích. Nízké náklady na zařízení a zjednodušení procesu detekce lži pomocí EEG naznačují potenciál pro širší využití, včetně forenzních a bezpečnostních oblastí.