脑机百科消息(bciwiki.com)，据arXiv，Sheikh Samit Muhaimin与Aarthy Nagarajan于2026年10月11日在该平台上传了一项关于运动想象脑机接口（BCI）脑电数据隐私保护的预印本，未经同行评审。研究针对跨会话身份泄露：同一人在不同时间采集的脑电（EEG）保留了可识别个人的结构，使分别发布的数据可能被关联起来。
研究提出一种黎曼变换，直接处理运动想象流程中的协方差表示，即描述不同信号之间共同变化的表示。它均衡每位受试者的两类几何统计量：黎曼平均协方差，以及围绕该均值的切空间散布，并提供两个可选的频带特定细化步骤。该变换无需学习隐私模型、使用代理网络或进行基于梯度的训练；研究在一个会话上拟合变换，再将其原样用于未参与拟合的后续采集会话。消融实验显示，均值对齐与散布白化（调整个体信号的中心位置和离散程度）贡献了几乎全部抑制效果，可选步骤的额外贡献较小，且因数据集而异。
测试覆盖两个公开数据集，以及跨四种协方差空间表示的五种攻击者。识别能力最强的攻击者在BCI Competition IV-2a上的准确率从90.8%降至15.6%，在OpenBMI上从90.8%降至9.9%。相较8—30Hz输入，运动想象（MI）解码准确率分别损失7.0和2.1个百分点。在所测试的各批量大小下，没有一种聚合规则的识别准确率比随机机会水平高出超过2个百分点。这些结果反映的是公开数据集上的身份识别抑制及解码性能权衡，并不意味着消除了所有身份泄露风险。