論文の概要: Lightweight Electronic Signatures and Reliable Access Control Included in Sensor Networks to Prevent Cyber Attacks from Modifying Patient Data
- arxiv url: http://arxiv.org/abs/2506.08828v1
- Date: Tue, 10 Jun 2025 14:17:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-11 15:11:42.570994
- Title: Lightweight Electronic Signatures and Reliable Access Control Included in Sensor Networks to Prevent Cyber Attacks from Modifying Patient Data
- Title（参考訳）: 患者データ修正によるサイバー攻撃防止を目的としたセンサネットワークにおける軽量電子署名と信頼性の高いアクセス制御
- Authors: Mishall Al-Zubaidie,
- Abstract要約: 健康データベースとデータセットは、多くの定期的な攻撃によって継続的に破られてきた。
この問題はこれらの攻撃を止めるために作られた現代の戦略によって解決された。
本研究は,センサによって収集され,基地局のデータセット上に保持される情報セキュリティとデータを補強する,新しい信頼性の高い手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Digital terrorism is a major cause of securing patient/healthcare providers data and information. Sensitive topics that may have an impact on a patient's health or even national security include patient health records and information on healthcare providers. Health databases and data sets have been continually breached by many, regular assaults, as well as local and remote servers equipped with wireless sensor networks (WSNs) in diverse locations. The problem was addressed by some contemporary strategies that were created to stop these assaults and guarantee the privacy of patient data and information transferred and gathered by sensors. Nevertheless, the literature analysis outlines many indications of weakness that persist in these methods. This study suggests a novel, reliable method that bolsters the information security and data gathered by sensors and kept on base station datasets. The proposed approach combines a number of security mechanisms, including symmetric cryptography for encryption, asymmetric cryptography for access control and signatures, and the Lesamnta-LW method in the signature process. Users' information is shielded from prying eyes by the careful application of these measures and a sound approach. Investigational comparisons, security studies, and thorough results show that the suggested method is better than earlier methods.
- Abstract（参考訳）: デジタルテロリズムは、患者や医療提供者のデータと情報を保護する主要な原因である。
患者の健康や国家安全保障に影響を及ぼす可能性のある敏感なトピックには、患者の健康記録や医療提供者に関する情報が含まれる。
健康データベースとデータセットは、様々な場所で無線センサーネットワーク(WSN)を備えたローカルおよびリモートサーバと同様に、多くの定期的な攻撃によって継続的に破られてきた。
この問題は、これらの攻撃を阻止し、患者データとセンサーによって転送され収集される情報のプライバシーを保証するために作られた、現代の戦略によって解決された。
それにもかかわらず、文献分析はこれらの手法で持続する弱点の多くの徴候を概説している。
本研究は,センサによって収集され,基地局のデータセット上に保持される情報セキュリティとデータを補強する,新しい信頼性の高い手法を提案する。
提案手法は、暗号化のための対称暗号、アクセス制御と署名のための非対称暗号、署名プロセスにおけるLesamnta-LW法など、多数のセキュリティメカニズムを組み合わせる。
ユーザの情報は、これらの対策と健全なアプローチの慎重な適用によって、プライシングアイから守られている。
調査比較,セキュリティ研究,徹底的な結果から,提案手法が従来手法よりも優れていることが示唆された。
関連論文リスト
- A False Sense of Privacy: Evaluating Textual Data Sanitization Beyond Surface-level Privacy Leakage [77.83757117924995]
我々は、データリリース時の個人のプライバシーリスクを定量化するために、再識別攻撃を評価する新しいフレームワークを提案する。
本手法は, 衛生データから年齢や物質使用履歴などのセンシティブな属性を推測するために, 一見無害な補助情報を利用できることを示す。
論文 参考訳（メタデータ） (2025-04-28T01:16:27Z) - Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [61.633126163190724]
精神病は、社会的、個人的コストがかなり高い広範囲で不安定な状態である。
近年の人工知能(AI)の進歩は、うつ病、不安障害、双極性障害、統合失調症、外傷後ストレス障害などの病態を認識し、対処するための大きな可能性を秘めている。
データセットやトレーニング済みモデルからの機密データ漏洩のリスクを含むプライバシー上の懸念は、これらのAIシステムを実際の臨床環境にデプロイする上で、依然として重要な障壁である。
論文 参考訳（メタデータ） (2025-02-01T15:10:02Z) - Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。
この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。
本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
論文 参考訳（メタデータ） (2024-11-15T08:09:28Z) - ViT Enhanced Privacy-Preserving Secure Medical Data Sharing and Classification [8.140412831443454]
本研究では,ブロックピクセル操作をベースとした,学習可能な暗号化手法によるセキュアなフレームワークを導入し,それをViT(Vision Transformer)と統合する。
提案したフレームワークは、キー毎に独自のスクランブルパターンを作成し、リードビット攻撃と最小差攻撃に対して堅牢なパフォーマンスを提供することにより、データのプライバシとセキュリティを保証する。
論文 参考訳（メタデータ） (2024-11-08T16:33:20Z) - Securing The Future Of Healthcare: Building A Resilient Defense System For Patient Data Protection [0.0]
この研究は、勾配ボオスティング機械学習モデルを用いて、医療データ漏洩の深刻度を予測する。
その結果、ハッキングとITインシデントは、医療業界で最も一般的なタイプの違反であることがわかった。
モデル評価の結果,勾配向上アルゴリズムは良好に動作することがわかった。
論文 参考訳（メタデータ） (2024-07-23T04:25:35Z) - 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。
ニューラルネットワークを侵入検知に利用し、フェデレーション学習(FL)をプライバシ保護に活用する、侵入検知システムのための新しいフレームワークが導入された。
論文 参考訳（メタデータ） (2024-03-14T11:57:26Z) - A Review-based Taxonomy for Secure Health Care Monitoring: Wireless
Smart Cameras [9.4545147165828]
本研究は、医療分野における患者・医療記録の安全な保管に焦点を当てている。
潜在的な解決策はバイオメトリックスから来ているが、その利用には時間がかかる可能性があり、データの検索を遅くする可能性がある。
本研究は,これらの課題を克服し,指紋の形で生体認証を追加することにより,医療分野におけるデータアクセス制御を強化することを目的とする。
論文 参考訳（メタデータ） (2021-07-05T11:59:10Z) - Reconciling Security and Utility in Next-Generation Epidemic Risk Mitigation Systems [49.05741109401773]
ユーザのプライバシをリッチなデータ収集と整合させるシステムであるSilmarillionを提案する。
Silmarillionでは、ユーザーデバイスが戦略的場所に設置されたビーコンでBluetoothの遭遇を記録する。
ユーザプライバシとデータセキュリティを保証するSilmarillionとその通信プロトコルの設計について述べる。
論文 参考訳（メタデータ） (2020-11-16T16:19:37Z) - 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。