物事のインターネットにおけるマルチベクトル攻撃検出のためのハイブリッドブロックチェーンベースのディープラーニングモデルは,ヘルスケアシステムを有効にしました

科学分野:

• サイバーセキュリティー サイバーセキュリティー
• 医療技術 医療技術について
• 人工知能 (AI) とは,人工知能 (AI) のことです.

背景:

• 医療関連のモノのインターネット (IoT) システムは,臨床的意思決定支援と患者モニタリングにおいてますます重要になっています.
• 従来のサイバーセキュリティモデルは,オープンアクセスのネットワークを保護するために苦労し,重要な脆弱性を生み出します.
• 接続された医療機器の増加は,患者の機密データを保護するための高度なセキュリティソリューションを必要とします.

研究 の 目的:

• ブロックチェーン (BC) とディープラーニング (DL) を統合した新しいハイブリッドモデルを提案し,ヘルスケアIoTシステムにおける堅牢なセキュリティを実現する.
• ディストリビューテッド・ディニアル・オブ・サービス (DDoS),マン・イン・ザ・ミドル (MiTM),ブルート・フォース・アタック (BFA) などのサイバー脅威の検出を強化する.
• 医療ネットワーク内の全体的なセキュリティ,データ完全性,プライバシーを改善する.

主な方法:

• ハイブリッド・ブロックチェーン+ディープ・ラーニング (BC+DL) モデルを開発し,人工知能 (AI) と分散型信任管理 (DTM) を組み込みました.
• 交通の標準化と削減のためにディープ・スパース・オートエンコーダー (DSAE) を利用し,タイム依存性の分析のために双方向の長期短期記憶 (BiLSTM) ネットワークを使用した.
• 攻撃検出のための統合センサネットワークと,臨床的正確性のためのベイジアンプロダクト・オブ・エキスパート (BPoE) 方法を使用して検証された結果.

主要な成果:

• 提案されたモデルは,IoT-Flockで96.73%,CICIoT2023のデータセットで93.58%の精度スコアを達成し,従来のベンチマークと最先端の方法を上回った.
• リアルタイムの実現可能性が実証され,検出遅延時間は16 ms未満です.
• ブロックチェーンの統合により,固定された監査ログ,スマートコントラクト (SC) による自動アクセス制御,高いネットワークスループット (NT) と検証成功率を持つ攻撃データの効率的な通信が提供されました.

結論:

• ハイブリッドBC+DLモデルは,さまざまなサイバー脅威に対するヘルスケアIoTシステムのセキュリティを確保する上で重要な進歩をもたらします.
• DSAEとBFMを含むモデルのコンポーネントは,実質的な精度向上と効率的な特徴抽出に貢献します.
• 研究は,セキュリティを強化し,データ損失を防止し,ヘルスケアシステムの信頼性の高い動作を保証するモデルの能力を確認しています.