RCLNet:一种有效的基于异常的入侵检测,用于保护IoMT系统的安全
Jamshed Ali Shaikh1, Chengliang Wang2, Wajeeh Us Sima Muhammad2
1Department of Computer Science and Technology, College of Computer Science, Chongqing University, Chongqing, China.
Frontiers in digital health
|October 18, 2024
概括
RCLNet通过检测异常来增强医疗物联网 (IoMT) 的安全性. 这种新的系统显著改善了患者数据的防范网络威胁的保护.
科学领域:
- 医疗保健中的网络安全
- 医疗信息学 医疗信息学
- 机器学习应用 机器学习应用
背景情况:
- 医疗物联网 (IoMT) 提供了先进的医疗保健解决方案,如远程监控,但面临着来自网络威胁的重大患者数据安全挑战.
- 现有的机器学习和入侵检测系统难以处理复杂的IoMT数据模式和识别新型攻击,导致数据泄露和高错误阳性.
研究的目的:
- 专门为IoMT环境开发一个有效的基于异常的入侵检测系统 (A-IDS).
- 提高IoMT系统内敏感患者数据的安全性和保密性.
主要方法:
- 拟议的RCLNet,集成随机森林 (RF) 进行特征选择,卷积神经网络 (CNN) 和长短期记忆 (LSTM) 进行模式识别,以及自适应注意层机制 (SAALM).
- 利用焦点损失 (FL) 来解决 IoMT 数据集中常见的不平衡数据分布.
- 对WUSTL-EHMS-2020医疗保健数据集的评估性能.
主要成果:
- 在检测异常方面,RCLNet实现了99.78%的高精度.
- 与最近的最先进的方法相比,在IoMT的入侵检测方面表现优越.
- 成功管理不平衡的数据并有效识别复杂的模式.
结论:
- RCLNet提供了一种强大而有效的解决方案,用于保护IoMT系统免受复杂的网络威胁.
- 拟议的系统大大提高了医疗机构的患者数据安全性和保密性.
- RCLNet的先进架构为未来的IoMT安全研究提供了有希望的方法.
