CT-GAN：利用深度学习对三维医学影像进行恶意篡改
密码学与安全
2019-06-07 v3 计算机视觉与模式识别
机器学习
摘要
2018年，诊所和医院遭受了大量攻击，导致严重的数据泄露和医疗服务中断。能够访问医疗记录的攻击者所能做的远不止劫持数据以索取赎金或在黑市上出售。在本文中，我们展示了攻击者如何利用深度学习在体素（3D）医学扫描中添加或移除医学病症的证据。攻击者可能出于阻止政治候选人、破坏研究、实施保险欺诈、进行恐怖主义行为甚至谋杀等目的实施此类行为。我们使用三维条件GAN实现该攻击，并展示了该框架（CT-GAN）如何实现自动化。尽管人体结构复杂且三维医学扫描数据量巨大，CT-GAN仍能取得逼真的结果，且可在毫秒内完成。为评估该攻击，我们聚焦于在CT扫描中注入和移除肺癌。我们展示了三位放射科专家和最先进的深度学习AI均极易受到该攻击。我们还探索了现代放射学网络的攻击面，并演示了一种攻击向量：我们通过一次隐蔽的渗透测试，在一家活跃的医院网络中拦截并操纵了CT扫描。演示视频：https://youtu.be/_mkRAArj-x0 源代码：https://github.com/ymirsky/CT-GAN
引用
@article{arxiv.1901.03597,
title = {CT-GAN: Malicious Tampering of 3D Medical Imagery using Deep Learning},
author = {Yisroel Mirsky and Tom Mahler and Ilan Shelef and Yuval Elovici},
journal= {arXiv preprint arXiv:1901.03597},
year = {2019}
}
备注
This paper is included in the Proceedings of the 28th USENIX Security Symposium (USENIX Security 2019)