提高基于云的远程手术系统的可靠性和安全性,利用群体唤起的分布式联合学习框架来缓解多次攻击
1School of Electronics Engineering, Vellore Institute of Technology, Vellore, India.
Scientific reports
|July 27, 2025
概括
一个新的联合学习框架通过使用优化门式变压器网络 (OGTN) 和混乱加密来提高机器人手术的安全性. 这种方法可以提高患者的安全性和系统可靠性,防止远程外科手术中的网络攻击.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 网络安全 网络安全
- 人工智能的人工智能
背景情况:
- 机器人手术的进步整合了AI,物联网和5G/6G,提高了精度.
- 远程手术和远程指导面临网络安全威胁,影响患者安全和系统可靠性.
研究的目的:
- 提出一个分布式联合学习框架,以加强机器人手术中的网络安全.
- 整合优化门式变压器网络 (OGTN) 与混乱加密,以进行强大的网络攻击缓解.
主要方法:
- 使用TensorFlow联合学习库 (FLL) 开发了一个联合学习框架.
- 集成的OGTN与分层混乱加密方案.
- 在UNSW-NB15数据集上评估性能,使用精度,准确性,F1分数,回忆和安全强度.
主要成果:
- 与传统模型相比,拟议的框架显示出更高的诊断准确性和网络安全弹性.
- 与NIST建议一致的安全评估验证了该框架的稳定性.
- 该系统有效地保护了数据隐私和完整性,防止网络威胁.
结论:
- 开发的框架是加强远程操作医疗保健系统安全性的可行解决方案.
- 它为机器人手术应用提供了更好的运营效率和网络安全弹性.
- 使用OGTN和混乱加密的联合学习显示了安全远程手术的前景.
更多相关视频
06:32Author Spotlight: Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring
Published on: July 14, 2023
1.4K
07:46Author Spotlight: Revolutionizing Remote Surgery with Augmented Reality and Robotics for Enhanced Precision and Accessibility
Published on: August 9, 2024
853
