論文の概要: On the Performance of Cyber-Biomedical Features for Intrusion Detection in Healthcare 5.0

• arxiv url: http://arxiv.org/abs/2506.17329v1
• Date: Thu, 19 Jun 2025 01:23:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.35357
• Title: On the Performance of Cyber-Biomedical Features for Intrusion Detection in Healthcare 5.0
• Title（参考訳）: 医療5.0における侵入検知のためのサイバーバイオメディカル機能の性能について
• Authors: Pedro H. Lui, Lucas P. Siqueira, Juliano F. Kazienko, Vagner E. Quincozes, Silvio E. Quincozes, Daniel Welfer,
• Abstract要約: この研究は、ネットワークトラフィックとバイオメディカルセンサーデータを統合したHealthcare 5.0データセットにeXplainable AI(XAI)を適用する。 分類結果によると、XGBoostは良性およびデータ修正で99%のF1スコア、スプーフィングで81%を達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Healthcare 5.0 integrates Artificial Intelligence (AI), the Internet of Things (IoT), real-time monitoring, and human-centered design toward personalized medicine and predictive diagnostics. However, the increasing reliance on interconnected medical technologies exposes them to cyber threats. Meanwhile, current AI-driven cybersecurity models often neglect biomedical data, limiting their effectiveness and interpretability. This study addresses this gap by applying eXplainable AI (XAI) to a Healthcare 5.0 dataset that integrates network traffic and biomedical sensor data. Classification outputs indicate that XGBoost achieved 99% F1-score for benign and data alteration, and 81% for spoofing. Explainability findings reveal that network data play a dominant role in intrusion detection whereas biomedical features contributed to spoofing detection, with temperature reaching a Shapley values magnitude of 0.37.
• Abstract（参考訳）: Healthcare 5.0は人工知能(AI)、IoT(Internet of Things)、リアルタイムモニタリング、パーソナライズされた医療と予測診断のための人間中心のデザインを統合している。 しかし、相互接続医療技術への依存度が高まると、サイバー脅威に晒される。 一方、現在のAI駆動のサイバーセキュリティモデルは、しばしばバイオメディカルデータを無視し、その有効性と解釈可能性を制限する。 本研究では、ネットワークトラフィックとバイオメディカルセンサーデータを統合したHealthcare 5.0データセットにeXplainable AI(XAI)を適用することで、このギャップに対処する。 分類結果によると、XGBoostは良性およびデータ修正で99%のF1スコア、スプーフィングで81%を達成した。 説明可能性の発見は、ネットワークデータが侵入検知において支配的な役割を担っているのに対し、生体医学的特徴はスプーフィング検出に寄与し、シャプリーの温度は0.37であることを示している。

関連論文リスト

• A Large-Scale Vision-Language Dataset Derived from Open Scientific Literature to Advance Biomedical Generalist AI [70.06771291117965]
  PubMed Central Open Accessサブセットから派生したオープンソースのデータセットであるBiomedicaを紹介する。 Biomedicaには600万以上の科学論文と2400万の画像テキストペアが含まれている。 私たちは、Webサーバを通じてスケーラブルなストリーミングと検索APIを提供し、AIシステムとのシームレスな統合を容易にします。
  論文  参考訳（メタデータ） (2025-03-26T05:56:46Z)
• Leveraging AI for Automatic Classification of PCOS Using Ultrasound Imaging [0.0]
  AUTO-PCOS分類チャレンジは、多嚢胞性卵巣症候群(PCOS)の同定における人工知能(AI)の診断能力の向上を目指す 本稿では,InceptionV3アーキテクチャを用いたトランスファーラーニングを利用した堅牢なAIパイプライン構築手法について概説する。
  論文  参考訳（メタデータ） (2024-12-30T11:56:11Z)
• End-to-end Stroke imaging analysis, using reservoir computing-based effective connectivity, and interpretable Artificial intelligence [42.52549987351643]
  本稿では,貯水池計算に基づく有向グラフ解析パイプラインを提案する。 このパイプラインの目標は、ストロークデータにおける接続性のための効率的な脳表現を定義することである。 この表現は、有向グラフ畳み込みアーキテクチャ内で使われ、説明可能な人工知能(AI)ツールで調査される。
  論文  参考訳（メタデータ） (2024-07-17T13:34:05Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• 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)
• Integrating ChatGPT into Secure Hospital Networks: A Case Study on Improving Radiology Report Analysis [1.3624495460189863]
  本研究は,ChatGPTに類似したクラウドベースのAIを,放射線学報告を解析するためのセキュアなモデルに初めて適応させたものである。 コントラスト学習によるユニークな文レベルの知識蒸留手法を用いて,異常検出の精度を95%以上向上する。
  論文  参考訳（メタデータ） (2024-02-14T18:02:24Z)
• The Potential of Wearable Sensors for Assessing Patient Acuity in Intensive Care Unit (ICU) [12.359907390320453]
  エクイティアセスメントは、タイムリーな介入と公平なリソース割り当てを提供するために、重要なケア設定において不可欠である。 従来のAcuityスコアには、ICUの回復や劣化を示す、患者のモビリティレベルなどの詳細な情報が含まれていない。 本研究では,手首の加速度計から収集したモビリティデータとEHRから得られた臨床データとを統合してAIによる明度評価スコアを作成することによる影響について検討した。
  論文  参考訳（メタデータ） (2023-11-03T21:52:05Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• HINT: Hierarchical Interaction Network for Trial Outcome Prediction Leveraging Web Data [56.53715632642495]
  臨床試験は、有効性、安全性、または患者採用の問題により、不確実な結果に直面する。 本稿では,より一般的な臨床試験結果予測のための階層型Interaction Network(HINT)を提案する。
  論文  参考訳（メタデータ） (2021-02-08T15:09:07Z)

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。