为应对基于物联网的医疗保健系统的安全挑战,ACGAN

科学领域:

• 物联网 (IoT) 的物联网 (IoT) 的物联网.
• 医疗保健中的网络安全
• 机器学习 机器学习

背景情况:

• 物联网在医疗保健中广泛用于远程患者监控,提高护理质量和患者生活.
• 医疗监测系统 (HMS) 集成设备和数据用于实时患者管理,但面临着重大数据传输安全威胁.
• 由于数据泄露,医疗物联网 (IoMT) 的攻击危及患者安全.

研究的目的:

• 为了应对稀缺,不平衡的数据集的挑战,用于分析IoMT攻击模式.
• 提高IoMT系统中数据传输的安全性和完整性.
• 改进各种IoMT网络威胁的检测.

主要方法:

• 使用辅助分类器生成对抗网络 (ACGAN) 来生成合成IoMT数据样本.
• 集成生物识别和网络流量指标,用于增强威胁检测.
• 训练有素的ACGAN具有歧视器 (真实/虚假分类和标签预测) 和生成器 (高质量,正确标签样本生成) 的双重目标.

主要成果:

• 该ACGAN方法产生了高质量的合成数据,类似于少数阶级的样本.
• 在IoMT数据集上评估性能,与基线模型相比显示出优异的结果.
• 在关键指标上取得了显著的改进:准确性,精度,回忆,F1分数,AUC和混矩阵.

结论:

• 在IOMT安全研究中,ACGAN有效地解决了数据集稀缺问题.
• 拟议的方法显著提高了IoMT网络攻击的检测.
• 这有助于更安全可靠的远程患者监控和整体IoMT系统完整性.