基于 CNN 的深度学习医疗 IoT 威胁检测
密码学与安全
2025-02-24 v3 人工智能
机器学习
摘要
医疗物联网（IoMT）的日益集成显著增强了患者护理，但也引入了关键网络安全挑战。本文提出了一种基于卷积神经网络（CNN）的新方法，用于检测 IoMT 环境中的网络攻击。不同于以往主要利用传统机器学习（ML）模型或较简单的深度神经网络（DNN）的研究，所提模型利用 CNN 的能力有效分析网络流量数据的时序特征。在 CICIoMT2024 数据集上进行训练和评估，该数据集涵盖 18 种 IoMT 设备的不同网络攻击类型，所提 CNN 模型在二分类、分类和多分类任务中实现了 99% 的完美准确率。该性能超越了 Logistic 回归、AdaBoost、DNN 和随机森林等传统 ML 模型。这些发现凸显了 CNN 在显著提升 IoMT 网络安全方面的潜力，从而确保了连接式医疗系统的保护和完整性。
关键词
引用
@article{arxiv.2410.23306,
title = {Securing Healthcare with Deep Learning: A CNN-Based Model for medical IoT Threat Detection},
author = {Alireza Mohamadi and Hosna Ghahramani and Seyyed Amir Asghari and Mehdi Aminian},
journal= {arXiv preprint arXiv:2410.23306},
year = {2025}
}
备注
The final published version is available in IEEE Xplore: https://doi.org/10.1109/ICIS64839.2024.10887510