面向医疗物联网安全的机器学习：综述与风险缓解
密码学与安全
2024-01-18 v1
摘要
医疗物联网（H-IoT），通常称为数字医疗，是一种数据驱动的基础设施，高度依赖智能传感设备（如血压监测仪、温度传感器等）以实现更快的响应时间、治疗和诊断。然而，随着不断演变的网络威胁格局，物联网设备变得更容易受到更广泛的风险面（例如，与生成式AI、5G-IoT等相关的风险）的影响，如果被利用，可能导致数据泄露、未经授权的访问、缺乏指挥控制以及潜在伤害。本文回顾了医疗物联网的基础知识，其与机器学习和H-IoT设备相关的隐私和数据安全挑战。本文进一步强调了监控医疗物联网层（如感知层、网络层、云层和应用层）的重要性。检测和响应异常涉及各种网络攻击和协议，如Wi-Fi 6、窄带物联网（NB-IoT）、蓝牙、ZigBee、LoRa和5G新空口（5G NR）。需要基于机器学习和深度学习技术的强大认证机制来保护和减轻H-IoT设备日益增长的网络安全漏洞。因此，在这篇综述论文中，探讨并报告了构建H-IoT韧性的安全和隐私挑战及风险缓解策略。
引用
@article{arxiv.2401.09124,
title = {Machine Learning for Healthcare-IoT Security: A Review and Risk Mitigation},
author = {Mirza Akhi Khatun and Sanober Farheen Memon and Ciarán Eising and Lubna Luxmi Dhirani},
journal= {arXiv preprint arXiv:2401.09124},
year = {2024}
}
备注
28 pages, 17 figures, 2 tables