Un modelo híbrido de aprendizaje profundo basado en blockchain para la detección de ataques multivectoriales en...

Área de la Ciencia:

• Ciberseguridad
• Tecnología de la Atención Médica
• Inteligencia Artificial

Sus antecedentes:

• Los sistemas de Internet de las cosas (IoT) relacionados con la atención médica son cada vez más vitales para el apoyo a la toma de decisiones clínicas y la monitorización de pacientes.
• Los modelos convencionales de ciberseguridad luchan por proteger las redes de acceso abierto, creando vulnerabilidades críticas.
• El auge de los dispositivos médicos conectados exige soluciones de seguridad avanzadas para proteger datos sensibles de los pacientes.

Objetivo del estudio:

• Proponer un novedoso modelo híbrido que integre Blockchain (BC) y Aprendizaje Profundo (DL) para una seguridad robusta en sistemas de IoT de atención médica.
• Mejorar la detección de amenazas cibernéticas como Denegación de Servicio Distribuida (DDoS), Man-in-the-Middle (MiTM) y Ataques de Fuerza Bruta (BFA).
• Mejorar la seguridad general, la integridad de los datos y la privacidad dentro de las redes de atención médica.

Principales métodos:

• Desarrollo de un Modelo Híbrido Blockchain + Aprendizaje Profundo (BC+DL) que incorpora Inteligencia Artificial (IA) y gestión de confianza distribuida (DTM).
• Utilización de un Autoencoder Disperso Profundo (DSAE) para la estandarización y reducción del tráfico, seguido de una red Bidireccional Long Short-Term Memory (BiLSTM) para el análisis de dependencias temporales.
• Integración de redes de sensores para la detección de ataques y validación de resultados utilizando un método Bayesian Product-of-Experts (BPoE) para la precisión clínica.

Principales resultados:

• El modelo propuesto logró puntuaciones de precisión del 96,73 % en los conjuntos de datos IoT-Flock y del 93,58 % en CICIoT2023, superando los puntos de referencia convencionales y los métodos de última generación.
• Se demostró la viabilidad en tiempo real con una latencia de detección inferior a 16 ms.
• La integración de Blockchain proporcionó registros de auditoría fijos, control de acceso automatizado a través de Contratos Inteligentes (SC) y comunicación eficiente de datos de ataque con altas tasas de rendimiento de red (NT) y éxito de validación.

Conclusiones:

• El Modelo Híbrido BC+DL ofrece un avance significativo en la protección de sistemas de IoT de atención médica contra diversas amenazas cibernéticas.
• Los componentes del modelo, incluidos DSAE y BFM, contribuyen a mejoras sustanciales de precisión y a una extracción de características eficiente.
• La investigación confirma la capacidad del modelo para mejorar la seguridad, prevenir la pérdida de datos y garantizar el funcionamiento fiable de los sistemas de atención médica.