Marco basado en aprendizaje profundo híbrido para mejorar la seguridad, la integridad de los datos y el rendimiento...

Área de la Ciencia:

• Ciberseguridad
• Inteligencia artificial
• Ingeniería biomédica

Sus antecedentes:

• Los sistemas de Internet de las Cosas centrados en el ser humano (H-IoT) en el sector sanitario y en entornos inteligentes se enfrentan a desafíos críticos en materia de seguridad.
• Los métodos de seguridad tradicionales son inadecuados para flujos de datos fisiológicos dinámicos en tiempo real, lo que deja a los dispositivos H-IoT vulnerables.

Objetivo del estudio:

• Proponer un nuevo marco híbrido basado en la confianza para la seguridad adaptativa en los sistemas H-IoT.
• Mejorar la detección de anomalías en tiempo real y el control de acceso adaptativo para la integridad de los datos fisiológicos.

Principales métodos:

• Integración de redes neuronales convolucionales (CNN), memoria larga a corto plazo (LSTM) y autocodificadores variacionales (VAE) para el análisis de señales fisiológicas.
• Desarrollo de un controlador dinámico de confianza (TAC) para el cálculo de la puntuación de confianza en tiempo real.
• Evaluación de conjuntos de datos H-IoT de referencia y propietarios bajo diversas condiciones de ataque y ruido, incluida la implementación de dispositivos de borde.

Principales resultados:

• Logró una puntuación F1 promedio del 94,3% para la detección de anomalías y una precisión del 96,1% para la clasificación de accesos.
• Se demostró una mejora del 12-18% en la sensibilidad de detección en comparación con las líneas de base tradicionales.
• Mantuvo una latencia de inferencia en tiempo real de menos de 160 ms en el hardware de borde, mostrando una alta estabilidad en condiciones adversas.

Conclusiones:

• El marco propuesto ofrece una solución científicamente fundamentada y escalable para la seguridad adaptativa en las redes H-IoT.
• La fusión de aprendizaje profundo y modelado de confianza mejora la capacidad de respuesta y la resiliencia en la seguridad H-IoT.
• Abre el camino para asegurar la salud de la próxima generación y los ecosistemas portátiles.