이 논문은 웨어러블 뇌파(EEG) 시스템이 의도한 건강 기능 외에도 민감한 개인정보를 노출시킬 수 있음을 보여준다. 연구진은 EEGMAT 데이터셋을 사례로, 압축된 EEG 특징이 인지 상태 분류에서 균형정확도 0.788을 달성하는 동시에 성별·나이·개인 신원까지 각각 0.858, 0.789, 0.692의 균형정확도로 추론 가능함을 확인했다. 원시 EEG 대신 압축된 스펙트럼·공간 특징만 전송하면 프라이버시가 충분히 보호된다는 기존 가정과 달리, 이런 특징만으로도 신원 정보가 새어나갈 수 있다는 것이다. 프라이버시를 고려한 표현학습을 적용하면 인지 과제 성능은 0.781로 거의 유지하면서 성별·나이·신원 추론 정확도를 각각 0.563, 0.467, 0.206으로 크게 낮출 수 있음을 보여, 목적 제한적 표현과 명시적 프라이버시 감사의 필요성을 제기한다.

• •압축된 EEG 특징만으로도 성별·나이·개인 신원까지 추론 가능함을 실증
• •EEGMAT 사례에서 인지상태 분류 정확도 0.788, 신원 추론 정확도 0.692 기록
• •프라이버시 인식 표현학습으로 과제 성능(0.781) 유지하면서 신원 추론 정확도를 0.206으로 대폭 감소
• •웨어러블 뇌건강 시스템에 목적 제한적 표현과 명시적 프라이버시 감사 필요성 제기