HealthGuard：一种基于机器学习的安全框架用于智能医疗系统
密码学与安全
2019-09-25 v1
摘要
物联网与普适计算在医疗设备中的融合使现代医疗系统变得“智能”。如今，医疗系统的功能不仅限于治疗患者。借助植入式医疗设备与可穿戴设备，智能医疗系统(SHS)可连续监测患者的不同生命体征，并自动检测与预防危急医疗状况。然而，SHS这些日益增长的功能引发了若干安全担忧，攻击者可通过多种途径利用SHS：他们可阻碍SHS正常运行、注入虚假数据以改变生命体征、以及篡改医疗设备以改变医疗急救结果。本文提出HealthGuard，一种新颖的基于机器学习的安全框架，用于检测SHS中的恶意活动。HealthGuard观测SHS中不同连接设备的生命体征，并将各项生命体征相关联以理解患者身体功能变化，从而区分良性与恶意活动。HealthGuard利用四种不同的基于机器学习的检测技术（人工神经网络、决策树、随机森林、k近邻）检测SHS中的恶意活动。我们使用为八种不同智能医疗设备收集的、包含七项正常用户活动与五项疾病影响事件共十二项良性事件的数据训练HealthGuard。此外，我们针对三种不同恶意威胁评估了HealthGuard的性能。大量评估表明，HealthGuard是一种有效的SHS安全框架，准确率达91%，F-1分数为90%。
引用
@article{arxiv.1909.10565,
title = {HealthGuard: A Machine Learning-Based Security Framework for Smart Healthcare Systems},
author = {AKM Iqtidar Newaz and Amit Kumar Sikder and Mohammad Ashiqur Rahman and A. Selcuk Uluagac},
journal= {arXiv preprint arXiv:1909.10565},
year = {2019}
}
备注
Accepted to be appeared in The International Symposium on Health and Medical informatics, Management and Security (HMiMS 2019)