点到点脑感测的安全平台的制作方法

本申请一般涉及信息技术，并且更具体地说，涉及脑信号分析。

背景技术：

脑电波是由来自彼此通信的大量神经元的同步电脉冲产生的。最近的技术进步使得非侵入式传感器能够读取这些脑信号，并将它们映射到例如单词和情绪。

技术实现要素：

在本发明的一个实施例中，提供了用于促进点到点脑感测的安全平台的技术。示例性计算机实现的方法可以包括向脑-计算机接口的用户呈现学习内容的步骤。该方法还包括当学习内容正在被呈现时，使用脑-计算机接口监控用户的脑信号的步骤。该方法还包括至少部分基于所述监控确定关于学习内容的至少一部分，用户的混淆状态超过个性化混淆阈值的步骤。另外，该方法包括响应于所述确定，输出信息以帮助用户理解学习该内容的一部分，直到用户的混淆状态低于个性化混淆阈值的步骤。

另一个示例性计算机实现的方法包括连续监控(i)脑-计算机接口的用户的脑信号和(ii)与用户环境相关的多模态(multimodal)数据。这种方法还包括至少部分基于所述监控，在(i)用户的脑信号和(ii)与用户环境相对应的通用多模态表现之间生成至少一个唯一映射。此外，这种方法还包括至少通过以下方式存储用户的第一组脑信号：(i)至少部分基于用户的至少一个唯一映射将第一组脑信号编码成第一组通用多模态表现，以及(ii)将第一组通用多模态表现存储在至少一个存储器中。

本发明的另一个实施例或其元件可以以有形地包含计算机可读指令的计算机程序产品的形式实现，当实现时，该计算机可读指令使得计算机执行多个方法步骤，如本文所述。此外，本发明的另一个实施例或其元件可以以包括存储器和至少一个处理器的系统的形式实现，该处理器耦合到存储器并被配置为执行所述方法步骤。此外，本发明的另一个实施例或其元件可以以用于执行本文描述的方法步骤的装置或其元件的形式来实现；该装置可以包括(多个)硬件模块或硬件和软件模块的组合，其中软件模块存储在有形的计算机可读存储介质(或多个这样的介质)中。

本发明的这些和其他目的、特征和优点将从下面结合附图阅读的说明性实施例的详细描述中变得显而易见。

附图说明

图1是示出根据本发明示例性实施例的系统架构的图；

图2是示出根据本发明示例实施例的用于存储公共多模态表现的示例流程图的图；

图3是示出根据本发明示例实施例的用于检索存储的公共多模态表现的示例流程图的图；

图4是根据本发明示例性实施例的脑到脑(brain-to-brain)通信系统的简化流程图；

图5是示出根据本发明实施例的技术的流程图；

图6是可以在其上实现本发明的至少一个实施例的示例性计算机系统的系统图；

图7描绘了根据本发明实施例的云计算环境；和

图8描绘了根据本发明实施例的抽象模型层。

具体实施方式

脑感测技术的进步开辟了新的可能性，诸如用户之间的直接脑到脑通信。这种进步也提出了与这种通信相关的新挑战，包括例如通信的安全性、学习个性化的脑信号映射以及对于一个或多个特定事件的脑信号的过滤。为了促进更深的认知功能，需要脑感测平台来支持，例如，合规性脑信号数据存储、公共语境表现学习(common-contextualrepresentationlearning，ccrl)、来自ccrl的混淆意图的消除、当前人工智能解决方案不适合的用例的应用(诸如凝视和多模态信号)等。

本文的各种示例性实施例描述了用于促进点到点脑感测的安全平台的技术。

现在参考图1，该图是根据各种示例实施例的用于安全存储和检索脑信号数据的系统架构100的简化框图。作为说明，图1描绘了种子映射模块102、个性化映射模块104、公共多模态表现学习模块106、合规性模块108、存储110(例如，诸如云存储)和检索模块112。

种子映射模块102获得特定用户组的映射，诸如，例如年龄组和/或其他特征的映射。种子映射模块102将脑信号映射到在脑中生成信号模式的不同种类的外部刺激。这些外部刺激可能导致个人想到特定的单词(例如，诸如动作关键词或对象)，或者与个人的特定精神状态(诸如注意力、混淆、情感和情绪)相关联。初始种子映射模块102可以获得特定用户组的各种映射，其可以包括以下一个或多个：

·脑电波信号和动作关键词；

·脑电波信号和名词关键词；

·脑电波信号和注意力图；

·脑电波信号和混淆图；

·脑电波信号和情感图；和

·脑电波信号和情绪图。

种子映射模块102获得的映射函数跨特定组聚类。例如，可以根据用户的年龄范围、用户的其他特征等对组进行聚类。注意，这些映射中的一些可以形成更明确定义(morewell-defined)的聚类，而其他映射函数更个性化，因此较不明确定义(lesswell-defined)。例如，更明确定义的映射通常在用户之间更通用和一致，诸如脑信号和注意力状态之间的映射以及脑信号和混淆状态之间的映射；而脑信号和(多个)单词之间的映射通常更加个性化。正确的聚类基于用户的年龄/特征信息来识别。

个性化映射模块104在脑信号表现和单词、图像、声音和/或其他模态之间建立个性化映射。在一些示例实施例中，个性化映射模块104包括监督学习阶段，用于微调脑信号和呈现给用户的预定外部刺激之间的映射。替代地或附加地，例如，上下文信息可以以不同的模态自动收集，而无需用户的明确参与，诸如经由物联网(internetofthings，iot)设备。这些设备可以包括基于用户的生物测定中的外部表征(诸如用户的瞳孔的扩大、用户的心跳的测量和/或其他生物测定)来测量和/或跟踪用户的精神状态的设备。

使用脑-计算机接口(例如，感测用户的脑中的活动(诸如电活动)的任何合适的设备)持续监控用户的脑信号，以监控基于外部刺激的脑信号的变化。种子映射可以基于用户的数据(例如，诸如来自iot设备的数据和用户的脑信号的数据)随着时间的推移被连续调整(例如，经由机器学习)。

公共多模态表现学习模块106最大化脑电波信号和上下文信息(诸如声音、视频、图像、全息图、文本和/或其他模态)之间的相关性，以确定公共多模态表现(本文也称为‘通用’多模态表现)。因为用户的脑信号可以远程存储在存储中(例如，诸如云存储110中)，所以合规性模块108充当脑信号的隐私过滤器，使得仅存储与特定事件相关的脑信号，以便不侵犯用户的隐私。例如，如果用户正在进行开放式教科书测试，则合规性模块108可以确保仅存储(或检索)与规定教科书相关的脑信号。基于所学习的脑信号和映射之间的映射(诸如脑信号和动作关键词之间的映射、脑信号和名词关键词之间的映射等)，只有合规的脑信号以公共多模态表现形式存储在存储110中。

现在参考图2，该图显示了根据示例实施例的用于存储公共多模态表现的示例流程图。在图2所示的示例中，脑电波信号202和特定模态(例如，诸如图像)的上下文信息204之间存在映射，以形成公共多模态表现206。脑电波信号和其他模态中的信息然后可以根据公共多模态表现206被重建。公共多模态表现存储在存储208中，在该示例中，存储208是云存储。根据一些示例实施例，过去想法的公共多模态表现然后可以使用存储器中的最近邻(nearestneighbor，nn)索引存储为向量。

图3示出了根据示例实施例的用于检索存储的公共多模态表现的示例流程图。根据一些示例实施例，图3中的流程图对应于检索模块112。在图3中，用户以一组脑信号的形式生成上下文查询302。上下文查询302被映射到公共多模态表现形式304，其用于在存储306中查找(经由动作308)与当前上下文相关的最近存储的公共多模态表现(与用户的先前脑信号相对应)。例如，使用nn索引来执行查找308。作为响应，在步骤310中返回存储在云存储306中的最近的公共多模态表现。然后，返回的公共多模态表现可以用于经由一个或多个模态重建上下文表现312。

再次参考图1，根据一些示例实施例，检索模块112还可以利用随时间在用户的脑电波中确定的混淆信号来执行从查找中返回的结果的个性化相关性排序。混淆信号涉及用户对一些外部刺激的混淆状态。因此，结果可以被排序，使得预期将不太混淆的结果将被排序得更高。根据至少一个实施例，随着时间的推移，在脑电波中读取混淆信号，以学习用户的可视化特定想法的优选模态。因此，在一些示例实施例中，检索模块112使用该确定的优选模态解码公共多模态表现。

现在参考图4，该图显示了根据各种示例实施例的脑到脑通信系统的简化流程图。在框402，用户以公共多模态表现形式存储脑信号(例如，诸如以上参考图2所述)。

在框404，用户可以通过用用户的个性化映射解码先前存储的公共多模态表现来按需检索存储的脑信号。可以使用最合适的模态向用户显示这些公共多模态表现中的每一个。在其他情况下，用户可以决定将他或她的当前脑信号远程传送给另一个用户，如框406所示。在这些情况下，使用用户的个性化映射将用户的脑信号408解码(经由动作410)为公共多模态表现，并传输给接收用户。然后，基于接收用户的个性化映射，将传输的公共多模态表现编码(经由动作412)到接收用户的脑信号414。注意，通过使用公共表现学习范例，接收用户的设备不知道发送用户的个性化映射，并且发送用户的设备不知道接收方用户的个性化映射。

在一些示例实施例中，用户之间通信的脑信号可以以类似于以上关于合规性模块108所述的方式进行过滤。例如，可以为特定活动(诸如官方事件或社会事件)定义通信。映射只针对用户已经同意的那种脑信号来学习。对于不合规的脑信号，映射将在公共多模态潜在空间中给出无意义的表现，诸如通过对不合规的脑信号执行随机映射。只有合规的脑信号被解码成公共多模态表现，并被传送到接收用户的脑-计算机接口设备(例如，诸如eeg(electroencephalogram，脑电图)设备)。

应当理解，与各种示例实施例相关的应用在学习和/或治疗环境中特别有帮助。例如，一些示例性实施例与以下一个或多个相关：例如，多概念歧义消除、提高对教育和/或治疗技术的洞察、以及无偏众包(unbiasedcrowdsourcing)。

例如，脑感测平台(诸如系统架构100)可以包括当第一用户正在写社交媒体帖子时，基于第一用户的脑信号来跟踪第一用户的情绪。当第二用户正在阅读社交媒体帖子时，脑感测平台还可以跟踪第二用户的混淆信号。例如，假设第一用户是20多岁的印度人，并且第二用户是美国本地人且也是20多岁。第一用户可以发布引用“自动驾驶”的社交媒体帖子，其中帖子后面的第一用户的情绪包括讽刺、沮丧和幽默。当第二用户阅读帖子时，脑感测平台从第二用户的脑信号中检测出混淆，并在第二用户的记忆存储中查找“自动驾驶”的概念。根据一些示例实施例，除了第二用户的记忆存储之外，还可以使用其他信息源(诸如互联网)。如果脑感测平台仍然检测到第二用户的混淆高于他的个性化混淆阈值(personalizedconfusionthreshold，pct)，则搜索可以扩展到具有不同特征的其他用户的记忆存储，以在第一用户发布关于该主题的帖子时针对特定组的所有用户获取与概念“自动驾驶”相关联的情绪。在一些示例中，在初始阶段(即，训练阶段)，通过了解对于特定任务哪个阈值对该特定用户最合适，来确定每个特定用户的pct。脑感测平台可以通过检索在第一用户的过去引起类似情绪(例如，诸如个人经历(anecdote))的“自动驾驶”相关信息，并向第二用户呈现这种信息，来从第一用户收集更多上下文。然后，该信息可用于确定第二用户的最佳模态是通过个人经历。在这一点上，脑感测平台确定在提供该附加信息之后，第二用户的混淆被减少到低于他的pct。

注意，在一些示例实施例中，脑感测平台可能仅需要跟踪、存储和检索具有不同特征的不同用户当消费关于不同概念的信息时的情绪响应。

在另一个非限制性示例中，脑感测平台(诸如系统架构100)可以包括通过跟踪用户随时间的混淆状态来引导用户理解一些特定概念。例如，假设一个20多岁的用户是美国本地人，并且不知道印度美食‘rasogolla’。用户在阅读时会看到rasogolla的图像。在这种情况下，脑感测平台跟踪到用户处于混淆状态(例如，经由混淆信号)。脑感测平台基于用户的学习的个性化映射将与图像相对应的脑信号编码成公共多模态表现，并基于公共多模态表现获取用户熟悉的概念(例如，诸如饺子的图像)。脑感测平台跟踪用户的混淆减少，但仍然高于他的pct。脑感测平台探索从其他背景(例如，从其他国家)的用户那里学习到的公共多模态表现，并且检索，例如从那些其他用户那里学习到的关于rasogolla表现的更多上下文。注意，检索该附加上下文可以包括使用各种策略执行多次迭代，诸如，针对例如同一区域内但具有不同年龄组、生活方式的用户，或者相对于同一年龄组使用不同区域的用户搜索附加上下文。脑感测平台然后确定在提供该附加信息之后，用户的混淆被减少到低于他的个性化混淆阈值(pct)。

在另一个非限制性示例中，脑感测平台(诸如系统架构100)被用于多概念歧义消除。例如，假设用户具有以下属性：

·人口统计特征：美国本地人

·年龄组：20多岁；

·文化：西方；和

·兴趣：模特、美式橄榄球

还假设用户不知道著名的模特也是明星足球(football)运动员(即英式足球(soccer)运动员)。当用户看到标题为“足球明星”的踢英式足球的模特的图像时，脑感测平台可以确定用户当前处于混淆状态，即，因为用户的个性化公共多模态表现将他显示为‘模特’(即，基于用户的个性化映射)。脑感测平台基于用户的个性化映射以公共多模态表现形式编码图像，并使用记忆存储获取用户熟悉的最近概念，诸如包括运动员的模特图像。脑感测平台跟踪到用户仍然混淆于高于他的pct，因为混淆了术语“足球”和美式橄榄球(americanfootball)。脑感测平台获取从具有其他特征的用户那里学习的公共多模态表现。例如，脑感测平台从从欧洲用户那里学习到的公共多模态表现中检索更多关于运动员的上下文，这有助于用户理解术语“足球”指的是英式足球而不是美式橄榄球。脑感测平台确定在提供了该附加信息之后用户的混淆已经减少到低于他的pct。

根据一些示例实施例，可以在执行一些活动时(例如，诸如在执行作业分配时)跟踪用户的脑信号，并且某些脑信号可以被映射到活动的至少一部分(例如，特定问题、答案等的至少一部分)，并以公共多模态表现形式存储(诸如通过利用系统架构100)。在这种情况下，用户可以定义共享哪些情绪。

根据至少一个示例实施例，提供了一种用于脑-计算机接口的系统，用于使用差分注释者分析的无偏众包。作为示例，系统可以监控一组注释者的脑信号，并创建包括该组中相应注释者的脑信号的脑日志。这些脑信号可以以类似于上面关于系统架构100描述的方式被监控和存储。然后，系统可以通过对所有注释者的脑日志执行差分分析来确定由特定注释者执行的注释的相对置信度值。在一些示例实施例中，当注释者的个性化混淆阈值高于给定阈值时，系统进行干预，从而可以最大化注释者输出或者向注释者提供合适的任务。

考虑一个示例场景，其中两个用户被分配阅读一些文本的任务，然后标记段落是否是文本的准确释义。假设文本涉及金融，并且第一用户是金融专家，并且第二用户不熟悉金融概念。在这个示例中，系统监控第一用户的脑信号，并确定第一用户对正确标记这些段落有信心。该系统监控第二用户的脑电波，并确定该用户处于高于用户的个性化混淆阈值的混淆状态。例如，第二用户可能对文本中的特定金融术语感到混淆。当第一用户标记相同段落时，系统获取第一用户的与相同特定金融术语相关联的情绪。然后，系统可以从第二用户收集更多的上下文，诸如通过检索关于第二用户已经执行的其他任务(诸如当第二用户感觉到与第一用户在标记段落时感觉到的情绪相似的情绪时的任务)的信息(例如，存储的脑信号)。然后，系统可以为第二用户提供更合适的任务，从而降低标记成本。然后，当向第二用户提供更相关的任务时，系统可以跟踪第二用户的混淆被减少到低于第二用户的个性化混淆阈值。

注意，这种注释者通常基于主动学习方法、注释比较来进行评估，并且限于例如凝视跟踪、花费的时间和一些潜在信号，而示例实施例允许系统自动捕捉注释背后的推理。

一些示例实施例可用于检测某些活动的参与程度(例如，诸如对于学生)。典型地，用于分析学生思维过程的技术涉及手动检查(诸如通过提供的过程追溯学生的步骤)和软件的使用(例如，基于学生的浏览行为或在线问卷来检测学生对主题的舒适度，以及基于凝视、光标行为、论坛、日志、中间测试步骤、中间答案、加载的逻辑步骤等来识别错误可能发生的原因的可能性)。然而，这些过程无法准确估计学生的参与。

根据至少一个示例实施例，提供了用于检测参与程度的技术。在一些示例性实施例中，可以基于通过意图的脑日志和观察到的动作发现的变量，向用户自动建议正确的步骤。例如，将英语作为第二语言学习的学生，并且被展示caterpillar的图像，可能会被要求从在计算机屏幕上的不同的选项中识别caterpillar的正确拼写。在这个示例中，脑感测系统跟踪用户是例如混淆的，并且理解这个问题对于仍在学习英语的学生来说是困难的，因此需要更多的关注。可以捕捉学生的光标移动，使得如果学生在错误答案周围徘徊，系统可以警告用户。然后学生进行纠正，并选择正确的答案。在一些示例中，该系统基于例如混淆分析、学生提供的答案以及花费的时间，提供关于如何计算学生中的问题难度或者如何对特定学生进行聚类的反馈。

根据至少一个实施例的用于促进点到点脑感测的安全平台的过程的示例包括连续监控(i)脑-计算机接口的用户的脑信号和(ii)与用户环境相关的多模态数据的步骤。该过程还包括至少部分基于所述监控生成(i)用户的脑信号和(ii)与用户环境相对应的通用多模态表现之间的至少一个唯一映射的步骤。另外，该过程包括至少通过以下方式存储用户的第一组脑信号：(i)至少部分基于用户的至少一个唯一映射将第一组脑信号编码成第一组通用多模态表现，以及(ii)将第一组通用多模态表现存储在至少一个存储器中。

每个通用多模态表现可以表示以下至少一个：(i)声音，(ii)视频，(iii)图像，(iv)全息图，和(v)文本。存储可以包括基于一个或多个事件过滤第一组脑信号，使得过滤后的第一组中的每个脑信号与一个或多个事件相关联。存储可以包括随机编码与一个或多个事件无关的脑信号。第一组通用多模态表现可以使用最近邻索引存储为一个或多个向量。该过程还可以包括以下步骤：至少部分基于用户的第二组脑信号生成上下文查询；基于第一用户的至少一个唯一映射，将第二组脑信号中的至少一些编码为第二组通用多模态表现；检索一个或多个先前存储的通用多模态表现，其中一个或多个先前存储的通用多模态表现具有最接近第二组通用多模态表现的语意相似性；以及至少部分地基于用户的至少一个唯一映射，重建与一个或多个先前存储的通用多模态表现相对应的用户的脑信号。

此外，该过程可以包括至少部分基于所述监控用户的脑信号来监控用户在一段时间内的混淆状态。该过程还可以包括至少部分基于用户的混淆状态对检索到的一个或多个先前存储的通用多模态表现进行排序。此外，该过程可以包括至少部分基于所述监控用户的混淆状态来确定用户的优选模态，其中所述重建包括使用优选模态来重建用户的脑信号。该过程还可以包括基于用户的至少一个唯一映射将第二组脑信号编码成第二组通用多模态表现；以及将第二组通用多模态表现传输给脑-计算机接口的另一用户。

此外，该过程可以包括从另一用户接收传输，该传输包括与该另一用户的脑信号相关联的一个或多个通用多模态表现；以及至少部分基于用户的至少一个唯一映射来解码所接收的一个或多个通用多模态表现。生成至少一个唯一映射的步骤可以至少部分基于与第一用户相关联的一个或多个特征。第一组脑信号可以包括脑电图信号。监控可以包括从一个或多个物联网设备接收多模态数据。多模态数据可以包括以下至少一个：(i)图像数据；(ii)声音数据；(iii)视频数据；(iv)全息图数据；(v)文本数据；和(vi)脑信号数据。

图5是根据本发明示例性实施例的用于促进点到点脑感测的安全平台的过程的流程图。参考图5，该过程的步骤502包括向用户呈现学习内容。

该过程的步骤504包括当学习内容正在被呈现给用户时，使用脑-计算机接口监控用户的脑信号。被监控的脑信号可以包括脑电图信号。

该过程的步骤506包括至少部分基于所述监控，确定关于至少学习内容的一部分，用户的混淆状态超过个性化混淆阈值。学习内容的一部分可以包括一个或多个问题，并且输出的信息可以包括引导用户正确回答一个或多个问题的信息。该过程还可以包括确定与用户相关联的一个或多个特征；以及至少部分基于(i)与用户相关联的一个或多个特征和(ii)所述监控来计算问题的难度级别。

该过程的步骤508包括，响应于所述确定，输出信息以帮助用户理解学习内容的一部分，直到用户的混淆状态低于个性化混淆阈值。输出的信息可以对应于以下至少一个：(i)图像；(ii)声音；(iii)视频；(iv)全息图；和(v)文本。所述输出可以包括至少部分基于所述监控和所述确定来确定用户的优选模态。输出的信息包括与一个或多个相关概念相关的进一步的学习内容。

根据至少一个示例性实施例，该过程可以包括使用至少一种机器学习技术生成(i)先前监控的用户的脑信号和(ii)一个或多个单词、一个或多个图像、一个或多个声音和一个或多个情绪中的至少一个之间的一个或多个映射。混淆阈值可以至少部分基于一个或多个映射。

根据至少一个示例实施例，图5中描述的技术还可以包括使用一个或多个物联网设备来监控用户的一个或多个生物测定，其中所述确定至少部分基于所监控的一个或多个生物测定。

如本文所描述的，图5中描述的技术还可以包括提供一种系统，其中该系统包括不同的软件模块，每个不同的软件模块被体现在有形的计算机可读可记录存储介质上。例如，所有模块(或其任何子集)可以在同一介质上，或者每个模块可以在不同的介质上。模块可以包括图中所示和/或本文所述的任何或所有组件。在本发明的实施例中，模块可以例如在硬件处理器上运行。方法步骤然后可以使用系统的不同软件模块来执行，如上所述，在硬件处理器上执行。此外，计算机程序产品可以包括有形的计算机可读可记录存储介质，该存储介质具有适于被执行以执行本文描述的至少一个方法步骤的代码，包括向系统提供不同的软件模块。

另外，图5中描述的技术可以经由计算机程序产品来实现，该计算机程序产品可以包括存储在数据处理系统中的计算机可读存储介质中的计算机可用程序代码，并且其中该计算机可用程序代码通过网络从远程数据处理系统下载。此外，在本发明的实施例中，计算机程序产品可以包括存储在服务器数据处理系统中的计算机可读存储介质中的计算机可用程序代码，并且其中计算机可用程序代码通过网络下载到远程数据处理系统，用于与远程系统一起在计算机可读存储介质中使用。

本发明的实施例或其元件可以以包括存储器和至少一个处理器的装置的形式实现，该处理器耦合到存储器并被配置为执行示例性方法步骤。

另外，本发明的实施例可以利用在计算机或工作站上运行的软件。参考图6，这种实现可以采用例如处理器602、存储器604和例如由显示器606和键盘608形成的输入/输出接口。

注意，在一些示例实施例中，本文使用的术语“处理器”旨在包括任何处理设备，例如，诸如包括cpu(中央处理单元)和/或其他形式的处理电路的设备。此外，术语“处理器”可以指不止一个单独的处理器。术语“存储器”旨在包括与处理器或cpu相关联的存储器，例如，诸如ram(随机存取存储器)、rom(只读存储器)、固定存储设备(例如硬盘驱动器)、可移动存储设备(例如软盘)、闪存等。此外，本文使用的短语“输入/输出接口”旨在包括例如用于向处理单元输入数据的机制(例如，鼠标)，以及用于提供与处理单元相关联的结果的机制(例如，打印机)。处理器602、存储器604和诸如显示器606和键盘608的输入/输出接口可以例如经由总线610作为数据处理单元612的一部分互连。合适的互连，例如经由总线610，也可以被提供给网络接口614，诸如网卡，网络接口614可以被提供来与计算机网络接口，以及提供给媒体接口616，诸如cd-rom驱动器，媒体接口616可以被提供来与媒体618接口。

因此，如本文所述，包括用于执行本发明方法的指令或代码的计算机软件可以存储在相关联的存储设备(例如，rom、固定或可移动存储器)中，并且当准备好被利用时，被部分或全部加载(例如，加载到ram)并由cpu实现。这种软件可以包括但不限于固件、常驻软件、微码等。

适于存储和/或执行程序代码的数据处理系统将包括通过系统总线610直接或间接耦合到存储元件604的至少一个处理器602。存储器元件可以包括在程序代码的实际实现期间采用的本地存储器、大容量存储器和高速缓冲存储器，高速缓冲存储器提供至少一些程序代码的临时存储，以便减少在实现期间必须从大容量存储器检索代码的次数。

输入/输出或i/o设备(包括但不限于键盘608、显示器606、定点设备、脑感测设备等)可以直接(诸如经由总线610)或通过中间i/o控制器(为清楚起见省略)耦合到系统。

诸如网络接口614的网络适配器也可以耦合到系统，以使得数据处理系统能够通过中间的私有或公共网络耦合到其他数据处理系统或远程打印机或存储设备。调制解调器、电缆调制解调器和以太网卡只是当前可用的几种网络适配器。

如在本文使用的，包括权利要求，“服务器”包括运行服务器程序的物理数据处理系统(例如，如图6所示的系统612)。应当理解，这种物理服务器可以包括也可以不包括显示器和键盘。

本发明可以是处于任何可能的集成技术细节级别的系统、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(或多个介质)，用于使处理器执行本发明的实施例。

计算机可读存储介质可以是有形设备，其可以保留和存储指令以供指令执行设备使用。计算机可读存储介质可以是，例如，但不限于，电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述设备的任何合适的组合。计算机可读存储介质的更具体示例的非穷举列表包括以下：便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式光盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备(诸如穿孔卡)或其中记录有指令的凹槽中的凸起结构，以及前述的任何适当组合。本文使用的计算机可读存储介质不应被解释为暂时信号本身，诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，通过光缆的光脉冲)、或通过电线传输的电信号。

本文描述的计算机可读程序指令可以经由网络，例如互联网、局域网、广域网和/或无线网络，从计算机可读存储介质下载到相应的计算/处理设备，或者下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令用于存储在相应计算/处理设备内的计算机可读存储介质中。

用于执行本发明操作的计算机可读程序指令可以是汇编指令、指令集体系结构(isa)指令、机器指令、机器相关指令、微码、固件指令、状态设置数据、集成电路的配置数据，或者以一种或多种编程语言(包括面向对象的编程语言，诸如smalltalk、c++等，以及过程编程语言，如“c”编程语言或类似编程语言)的任意组合编写的源代码或目标代码。计算机可读程序指令可以完全在用户计算机上执行，部分在用户计算机上执行，作为独立软件包，部分在用户计算机上，部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，包括局域网(lan)或广域网(wan)，或者可以连接到外部计算机(例如，通过使用互联网服务提供商的互联网)。在一些实施例中，包括例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)的电子电路可以通过利用计算机可读程序指令的状态信息来个性化电子电路来执行计算机可读程序指令，以便执行本发明的实施例。

参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图来描述本发明的实施例。应当理解，流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。

这些计算机可读程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些计算机可读程序指令也可以存储在计算机可读存储介质中，该计算机可读存储介质可以引导计算机、可编程数据处理装置和/或其他设备以特定方式执行，使得其中存储有指令的计算机可读存储介质包括制品，该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的各方面的指令。

计算机可读程序指令也可以加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，从而产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。

附图中的流程图和框图说明了根据本发明各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这点上，流程图或框图中的每个框可以表示模块、指令段或指令部分，其包括用于实现(多个)指定逻辑功能的一个或多个可执行指令。在一些替代实现中，框中标注的功能可以不按图中标注的顺序发生。例如，根据所涉及的功能，连续示出的两个框实际上可以基本上同时执行，或者这些框有时可以以相反的顺序执行。还将注意到，框图和/或流程图说明的每个框，以及框图和/或流程图说明中的框的组合，可以由执行特定功能或动作或者执行专用硬件和计算机指令的组合的基于专用硬件的系统来实现。

应当注意，本文描述的任何方法可以包括提供一种系统的附加步骤，该系统包括体现在计算机可读存储介质上的不同软件模块；这些模块可以包括例如本文详述的任何或所有组件。方法步骤然后可以使用如上所述在硬件处理器602上执行的系统的不同软件模块和/或子模块来执行。此外，计算机程序产品可以包括具有代码的计算机可读存储介质，该代码适于被实现来执行本文描述的至少一个方法步骤，包括向系统提供不同的软件模块。

在任何情况下，应当理解，本文示出的组件可以以各种形式的硬件、软件或其组合来实现，例如(多个)专用集成电路(asic)、功能电路、具有相关存储器的适当编程的数字计算机等。给定本文提供的本发明的教导，相关领域的普通技术人员将能够设想本发明组件的其他实现。

另外，首先应当理解，尽管本公开包括关于云计算的详细描述，但其中记载的技术方案的实现却不限于云计算环境，而是能够结合现在已知或以后开发的任何其它类型的计算环境而实现。

云计算是一种服务交付模式，用于对共享的可配置计算资源池进行方便、按需的网络访问。可配置计算资源是能够以最小的管理成本或与服务提供者进行最少的交互就能快速部署和释放的资源，例如可以是网络、网络带宽、服务器、处理、内存、存储、应用、虚拟机和服务。这种云模式可以包括至少五个特征、至少三个服务模型和至少四个部署模型。

特征包括：

按需自助式服务：云的消费者在无需与服务提供者进行人为交互的情况下能够单方面自动地按需部署诸如服务器时间和网络存储等的计算能力。

广泛的网络接入：计算能力可以通过标准机制在网络上获取，这种标准机制促进了通过不同种类的瘦客户机平台或厚客户机平台(例如移动电话、膝上型电脑、个人数字助理pda)对云的使用。

资源池：提供者的计算资源被归入资源池并通过多租户(multi-tenant)模式服务于多重消费者，其中按需将不同的实体资源和虚拟资源动态地分配和再分配。一般情况下，消费者不能控制或甚至并不知晓所提供的资源的确切位置，但可以在较高抽象程度上指定位置(例如国家、州或数据中心)，因此具有位置无关性。

迅速弹性：能够迅速、有弹性地(有时是自动地)部署计算能力，以实现快速扩展，并且能迅速释放来快速缩小。在消费者看来，用于部署的可用计算能力往往显得是无限的，并能在任意时候都能获取任意数量的计算能力。

可测量的服务：云系统通过利用适于服务类型(例如存储、处理、带宽和活跃用户帐号)的某种抽象程度的计量能力，自动地控制和优化资源效用。可以监测、控制和报告资源使用情况，为服务提供者和消费者双方提供透明度。

服务模型如下：

软件即服务(saas)：向消费者提供的能力是使用提供者在云基础架构上执行的应用。可以通过诸如网络浏览器的瘦客户机接口(例如基于网络的电子邮件)从各种客户机设备访问应用。除了有限的特定于用户的应用配置设置外，消费者既不管理也不控制包括网络、服务器、操作系统、存储、乃至单个应用能力等的底层云基础架构。

平台即服务(paas)：向消费者提供的能力是在云基础架构上部署消费者创建或获得的应用，这些应用利用提供者支持的程序设计语言和工具创建。消费者既不管理也不控制包括网络、服务器、操作系统或存储的底层云基础架构，但对其部署的应用具有控制权，对应用托管环境配置可能也具有控制权。

基础架构即服务(iaas)：向消费者提供的能力是消费者能够在其中部署并执行包括操作系统和应用的任意软件的处理、存储、网络和其他基础计算资源。消费者既不管理也不控制底层的云基础架构，但是对操作系统、存储和其部署的应用具有控制权，对选择的网络组件(例如主机防火墙)可能具有有限的控制权。

部署模型如下：

私有云：云基础架构单独为某个组织执行。云基础架构可以由该组织或第三方管理并且可以存在于该组织内部或外部。

共同体云：云基础架构被若干组织共享并支持有共同利害关系(例如任务使命、安全要求、政策和合规考虑)的特定共同体。共同体云可以由共同体内的多个组织或第三方管理并且可以存在于该共同体内部或外部。

公共云：云基础架构向公众或大型产业群提供并由出售云服务的组织拥有。

混合云：云基础架构由两个或更多部署模型的云(私有云、共同体云或公共云)组成，这些云依然是独特的实体，但是通过使数据和应用能够移植的标准化技术或私有技术(例如用于云之间的负载平衡的云突发流量分担技术)绑定在一起。

云计算环境是面向服务的，特点集中在无状态性、低耦合性、模块性和语意的互操作性。云计算的核心是包含互连节点网络的基础架构。

现在参考图7，其中显示了示例性的云计算环境50。如图所示，云计算环境50包括云计算消费者使用的本地计算设备可以与其相通信的一个或者多个云计算节点10，本地计算设备例如可以是个人数字助理(pda)或移动电话54a，台式电脑54b、笔记本电脑54c和/或汽车计算机系统54n。云计算节点10之间可以相互通信。可以在包括但不限于如上所述的私有云、共同体云、公共云或混合云或者它们的组合的一个或者多个网络中将云计算节点10进行物理或虚拟分组(图中未显示)。这样，云的消费者无需在本地计算设备上维护资源就能请求云计算环境50提供的基础架构即服务(iaas)、平台即服务(paas)和/或软件即服务(saas)。应当理解，图7显示的各类计算设备54a-n仅仅是示意性的，云计算节点10以及云计算环境50可以与任意类型网络上和/或网络可寻址连接的任意类型的计算设备(例如使用网络浏览器)通信。

现在参考图8，其中显示了云计算环境50(图7)提供的一组功能抽象层。首先应当理解，图8所示的组件、层以及功能都仅仅是示意性的，本发明的实施例不限于此。如图所示，提供下列层和对应功能：

硬件和软件层60包括硬件和软件组件。硬件组件的示例包括：主机61；基于risc(精简指令集计算机)体系结构的服务器62；服务器63；刀片服务器64；存储设备65；网络和网络组件66。软件组件的示例包括：网络应用服务器软件67以及数据库软件68。

虚拟层70提供一个抽象层，该层可以提供下列虚拟实体的示例：虚拟服务器71、虚拟存储72、虚拟网络73(包括虚拟私有网络)、虚拟应用和操作系统74，以及虚拟客户端75。

在一个示例中，管理层80可以提供下述功能：资源供应功能81：提供用于在云计算环境中执行任务的计算资源和其它资源的动态获取；计量和定价功能82：在云计算环境内对资源的使用进行成本跟踪，并为此提供帐单和发票。

在一个示例中，该资源可以包括应用软件许可。安全功能：为云的消费者和任务提供身份认证，为数据和其它资源提供保护。用户门户功能83：为消费者和系统管理员提供对云计算环境的访问。服务水平管理功能84：提供云计算资源的分配和管理，以满足必需的服务水平。服务水平协议(sla)计划和履行功能85：为根据sla预测的对云计算资源未来需求提供预先安排和供应。

工负载层90提供云计算环境可能实现的功能的示例。在该层中，可提供的工作负载或功能的示例包括：地图绘制与导航91；软件开发及生命周期管理92；虚拟教室的教学提供93；数据分析处理94；交易处理95；以及根据本发明的一个或多个实施例的脑信号96的安全存储、检索和通信。

本文使用的术语仅用于描述特定实施例的目的，并不旨在限制本发明。如本文所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文另有明确指示。还应当理解，当在本说明书中使用时，术语“包括”和/或“包含”指定所述特征、步骤、操作、元件和/或组件的存在，但不排除另一特征、步骤、操作、元件、组件和/或其组合的存在或添加。

本发明的至少一个实施例可以提供有益的效果，诸如，提供用于存储、检索和传递脑信号的安全系统。例如，本发明的至少一个实施例可以提供有益的效果，诸如，以脑信号的形式提供新的输入，以进一步增强和/或替换其他输入(例如，凝视、触觉和基于图像的技术)。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。