一种基于机器学习的智能医疗系统威胁分析新框架
密码学与安全
2021-03-08 v1 机器学习
摘要
智能医疗系统（SHSs）利用基于无线体域网（WBSNs）和植入式医疗设备（IMDs）的医疗物联网（IoMT）提供快速高效的疾病治疗。此外，基于 IoMT 的 SHSs 实现了自动化给药，允许大量医疗传感器设备间通信。然而，攻击者可对通信网络及硬件/固件发起多种攻击，向自动给药系统注入虚假数据或导致数据不可用，危及患者生命。本文提出 SHChecker，一种集成机器学习与形式化分析能力的新型威胁分析框架，用于识别基于 IoMT 的 SHS 中潜在攻击及其相应影响。给定一组特定攻击属性，我们的框架可提供某 SHS 的所有潜在攻击向量，每个向量代表一组待篡改的传感器测量值，使我们能够认识系统的弹性，从而获得增强模型鲁棒性的洞见。我们在合成与真实数据集上实现 SHChecker，证实该框架可揭示 IoMT 系统中的潜在攻击向量。这是针对黑盒 SHS 威胁分析形式化分析有监督与无监督机器学习模型的新尝试。
引用
@article{arxiv.2103.03472,
title = {A Novel Framework for Threat Analysis of Machine Learning-based Smart Healthcare Systems},
author = {Nur Imtiazul Haque and Mohammad Ashiqur Rahman and Md Hasan Shahriar and Alvi Ataur Khalil and Selcuk Uluagac},
journal= {arXiv preprint arXiv:2103.03472},
year = {2021}
}