Rozpoznávání skrytých informací k určení intencionální lži pomocí elektroencefalografie

Ing. Martina Žabčíková

Disertační práce

Detecting Concealed Information to Identify Intentional Deception Using Electroencephalography

Anotace:

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.

Abstract:

Detecting concealed information to identify intentional deception represents a key challenge in security. Current lie detectors are expensive, uncomfortable, and susceptible to manipulation. Lie detectors based on electroencephalography (EEG) have become more popular than polygraphs, as they offer higher resistance to conscious influence. The primary aim of this dissertation is to develop a system for high-quality lie detection using the analysis of EEG signals obtained from a low-cost device, employing advanced machine learning methods and feature selection techniques. EEG signals were recorded during a visual experiment that examines neurophysiological changes during attempts to lie by analyzing Event-Related Potential (ERP) component P300. Differences in the P300 waveforms of participants' responses to visual stimuli of familiar and unfamiliar faces were then analyzed using a Genetic Algorithm (GA) for feature selection and a Support Vector Machine (SVM) for classification. This approach achieved high classification accuracy, confirming its effectiveness and reliability in detecting concealed information. The proposed system is user-friendly and suitable even for users without deep expertise, facilitating easy implementation with the possibility for effective use in both academic and practical scenarios. The low cost of the device and the simplification of the lie detection process using EEG indicate the potential for broader applications, including forensic and security fields.

Klíčová slova

elektroencefalografie, EEG, detektor lži, skryté informace, intencionální lež, ERP, P300, CIT, DWT, SVM, GA

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 19. 8. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 30. 10. 2024

Univerzita Tomáše Bati ve Zlíně

Fakulta aplikované informatiky

Doktorský studijní program / obor:
Inženýrská informatika / Inženýrská informatika