目前,个体的一些生物认证技术已经广泛应用在智能门禁等物联网系统中。然而,随着它们安全风险的不断提升以及应用范围的局限性,找到一种相对更加普适和值得信赖的认证方法是很有必要的。近期,脑电特征凭借其独特性、稳定性和普遍性获得广大科研学者的青睐,但多电极的有限可用性及大量用户佩戴不便的因素阻碍了这种新技术的普及。本文预先提出了一种新的基于脑电波视听觉范式的生物认证系统,不仅能够在单一诱发范式基础上加大刺激强度,同时对于视觉或者听觉其中之一存在障碍的人群也能够很好的实现身份认证。在调研国内外脑电身份认证相关研究基础上,实验设计了独特的视听觉呈现范式,通过“EMOTIV EPOC+”便携式脑电头戴设备记录7位受试者的脑电数据。在预处理阶段,使用了参考电极、迭加平均和独立成分分析进行去伪迹;在特征提取阶段,提出了一种最佳通道和最佳时间间隔的自适应选择方法来避免提取无效的特征信息,同时,为了避免盲目搜索,将Best-First和CfsSubsetEval方法应用于最优特征子集选择中,识别出最好的特征子集,接着提出Bagging集成学习方法建立最优分类模型。在实验仿真和性能评估方面,提出了三个分类指标:平均分类精度、查准率和假正率,两个分类器指标:ROC曲线和AUC面积,判断了基学习器以及所提出最优分类模型的分类性能,同时对比了实验范式和实验方法的分类性能。最后,论文设计了一个基于视听觉范式身份认证的原型系统,通过智能网关和控制器共同完成对智能门禁闸机的开关控制,同时登录测试了真实用户和仿冒者的合法率和攻击成功率,实验结果表明本文提出的脑电身份认证系统的可行性、安全性和有效性。