論文の概要: Survey of Machine Learning Based Intrusion Detection Methods for
Internet of Medical Things
- arxiv url: http://arxiv.org/abs/2202.09657v1
- Date: Sat, 19 Feb 2022 18:40:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-23 12:24:11.098588
- Title: Survey of Machine Learning Based Intrusion Detection Methods for
Internet of Medical Things
- Title（参考訳）: 医療用インターネットにおける機械学習による侵入検知手法の検討
- Authors: Ayoub Si-Ahmed, Mohammed Ali Al-Garadi and Narhimene Boustia
- Abstract要約: Internet of Medical Things (IoMT) は、モノのインターネット(Internet of Things)の応用である。
このデータのセンシティブでプライベートな性質は、攻撃者にとって重要な関心事であるかもしれない。
ストレージや計算能力に制限のある機器に対する従来のセキュリティ手法の使用は効果がない。
- 参考スコア（独自算出の注目度）: 2.223733768286313
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Internet of Medical Things (IoMT) represents an application of the Internet
of Things, where health professionals perform remote analysis of physiological
data collected using sensors that are associated with patients, allowing
real-time and permanent monitoring of the patient's health condition and the
detection of possible diseases at an early stage. However, the use of wireless
communication for data transfer exposes this data to cyberattacks, and the
sensitive and private nature of this data may represent a prime interest for
attackers. The use of traditional security methods on equipment that is limited
in terms of storage and computing capacity is ineffective. In this context, we
have performed a comprehensive survey to investigate the use of the intrusion
detection system based on machine learning (ML) for IoMT security. We presented
the generic three-layer architecture of IoMT, the security requirement of IoMT
security. We review the various threats that can affect IoMT security and
identify the advantage, disadvantages, methods, and datasets used in each
solution based on ML. Then we provide some challenges and limitations of
applying ML on each layer of IoMT, which can serve as direction for future
study.
- Abstract（参考訳）: インターネット・オブ・メディカル・モノのインターネット(Internet of Medical Things, IoMT)は、医療専門家が患者の健康状態のリアルタイムかつ恒久的なモニタリングと、早期の疾患検出を可能にするセンサーを用いて収集された生理的データのリモート分析を行う、モノのインターネット(Internet of Things)の応用である。
しかし、データ転送における無線通信の利用は、このデータをサイバー攻撃に晒し、このデータの機密性や個人性は攻撃者にとって大きな関心事となるかもしれない。
ストレージや計算能力に制限のある機器における従来のセキュリティ手法の使用は効果がない。
本稿では, iomtセキュリティのための機械学習(ml)に基づく侵入検知システムの利用について, 総合的な調査を行った。
iomtセキュリティのセキュリティ要件であるiomtの汎用的3層アーキテクチャを提示した。
我々は、IoMTセキュリティに影響を与える様々な脅威をレビューし、MLに基づいて各ソリューションで使用される利点、欠点、方法、データセットを特定する。
そして、IoMTの各層にMLを適用する際の課題と制限を提供し、今後の研究の方向性として役立てることができる。
関連論文リスト
- Explainable Machine Learning-Based Security and Privacy Protection Framework for Internet of Medical Things Systems [1.8434042562191815]
インターネット・オブ・メディカル・モノ(IoMT)は、従来の医療境界を超越し、反応性治療から予防への転換を可能にする。
その利点は、処理されたデータの感度と価値のために、ユーザの生活を危険にさらす、重大なセキュリティ上の課題に対処されている。
新しいIDS(Intrusion Detection Systems)フレームワークを導入し、ANN(Artificial Neural Networks)を侵入検知に利用し、FL(Federated Learning)をプライバシ保護に活用する。
論文 参考訳（メタデータ） (2024-03-14T11:57:26Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - Machine Learning for Healthcare-IoT Security: A Review and Risk Mitigation [4.499833362998488]
本稿では、医療用IoTの基礎、プライバシ、マシンラーニングやH-IoTデバイスに関連するデータセキュリティの課題についてレビューする。
この論文は、知覚、ネットワーク、クラウド、アプリケーションなどの医療用IoTレイヤを監視することの重要性をさらに強調する。
論文 参考訳（メタデータ） (2024-01-17T10:55:26Z) - Crossed-IoT device portability of Electromagnetic Side Channel Analysis:
Challenges and Dataset [1.7811840395202345]
本研究では,EM-SCA手法の精度と信頼性に及ぼすデバイス可変性の影響について検討した。
本稿では,EM-SCAデータセットを収集し,伝達学習を用いてより有意義で信頼性の高い結果を得る可能性を示す。
論文 参考訳（メタデータ） (2023-10-04T19:13:39Z) - IoMT-Blockchain based Secured Remote Patient Monitoring Framework for
Neuro-Stimulation Device [0.0]
患者からのリアルタイムの知覚データは、ウェアラブルIoMTデバイスの迅速な開発を通じて配信され、分析される。
モノのインターネットからのデータは収集され、分析され、単一の場所に格納される。
分散した性質のため、ブロックチェーン(BC)はこれらの問題を緩和することができる。
論文 参考訳（メタデータ） (2023-08-31T16:59:58Z) - Inspect, Understand, Overcome: A Survey of Practical Methods for AI
Safety [54.478842696269304]
安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。
近年,これらの安全対策を目的とした最先端技術動物園が出現している。
本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
論文 参考訳（メタデータ） (2021-04-29T09:54:54Z) - A Novel Framework for Threat Analysis of Machine Learning-based Smart
Healthcare Systems [2.519906683279153]
機械学習と形式解析機能を統合した新たな脅威分析フレームワークであるSHCheckerを提案します。
私たちは合成データセットと実データセットにSHCheckerを実装し、フレームワークがIoMTシステムにおける潜在的な攻撃ベクトルを明らかにすることができることを確認します。
論文 参考訳（メタデータ） (2021-03-05T04:51:02Z) - Privacy-preserving medical image analysis [53.4844489668116]
医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。
集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。
グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
論文 参考訳（メタデータ） (2020-12-10T13:56:00Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z) - Lightweight Collaborative Anomaly Detection for the IoT using Blockchain [40.52854197326305]
モノのインターネット(IoT)デバイスには、攻撃者によって悪用される可能性のある多くの脆弱性がある傾向がある。
異常検出のような教師なしの技術は、これらのデバイスをプラグ・アンド・プロテクトで保護するために使用することができる。
Raspberry Pi48台からなる分散IoTシミュレーションプラットフォームを提案する。
論文 参考訳（メタデータ） (2020-06-18T14:50:08Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。