論文の概要: Threats and Security Strategies for IoMT Infusion Pumps

• arxiv url: http://arxiv.org/abs/2509.14604v1
• Date: Thu, 18 Sep 2025 04:29:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 17:26:53.06076
• Title: Threats and Security Strategies for IoMT Infusion Pumps
• Title（参考訳）: IoMTポンプの脅威とセキュリティ戦略
• Authors: Ramazan Yener, Muhammad Hassan, Masooda Bashir,
• Abstract要約: 本研究は、現代医療において重要なデバイスであるIoMT注入ポンプのサイバーセキュリティ脆弱性に焦点を当てる。 この結果から、デバイスレベルの欠陥、認証とアクセス制御の問題、ネットワークと通信の弱点、データセキュリティとプライバシのリスク、医療ネットワーク内の横から攻撃される可能性がある運用または組織上の課題などの脆弱性に直面していることが示唆された。
• 参考スコア（独自算出の注目度）: 0.8572622875928976
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The integration of the Internet of Medical Things (IoMT) into healthcare systems has transformed patient care by enabling real-time monitoring, enhanced diagnostics, and enhanced operational efficiency. However, this increased connectivity has also expanded the attack surface for cybercriminals, raising significant cybersecurity and privacy concerns. This study focuses on the cybersecurity vulnerabilities of IoMT infusion pumps, which are critical devices in modern healthcare. Through a targeted literature review of the past five years, we analyzed seven current studies from a pool of 132 papers to identify security vulnerabilities. Our findings indicate that infusion pumps face vulnerabilities such as device-level flaws, authentication and access control issues, network and communication weaknesses, data security and privacy risks, and operational or organizational challenges that can expose them to lateral attacks within healthcare networks. Our analysis synthesizes findings from seven recent studies to clarify how and why infusion pumps remain vulnerable in each of these areas. By categorizing the security gaps, we highlight critical risk patterns and their implications. This work underscores the scope of the issue and provides a structured understanding that is valuable for healthcare IT professionals and device manufacturers. Ultimately, the findings can inform the development of targeted, proactive security strategies to better safeguard infusion pumps and protect patient well-being.
• Abstract（参考訳）: インターネット・オブ・メディカル・モノ(IoMT)の医療システムへの統合は、リアルタイムモニタリング、診断の強化、手術効率の向上によって、患者のケアを変革した。 しかし、この接続性の向上により、サイバー犯罪者の攻撃面も拡大し、サイバーセキュリティとプライバシに関する重大な懸念が持ち上がった。 本研究は、現代医療において重要なデバイスであるIoMT注入ポンプのサイバーセキュリティ脆弱性に焦点を当てる。 対象とする過去5年間の文献レビューを通じて,セキュリティ上の脆弱性を特定するために,132論文のプールから現在7つの調査を分析した。 この結果から、デバイスレベルの欠陥、認証とアクセス制御の問題、ネットワークと通信の弱点、データセキュリティとプライバシのリスク、医療ネットワーク内の横から攻撃される可能性がある運用または組織上の課題などの脆弱性に直面していることが示唆された。 本研究は, これらの地域において, ポンプが脆弱なままである理由と原因を明らかにするために, 最近の7つの研究から得られた知見を合成するものである。 セキュリティギャップを分類することで、重要なリスクパターンとその影響を強調します。 この研究は、この問題の範囲を明確にし、医療ITの専門家やデバイスメーカーにとって価値のある構造化された理解を提供する。 最終的に、この発見は、予防的かつ積極的なセキュリティ戦略の発達を知らせ、輸液ポンプの安全と患者の健康を守ることができる。

関連論文リスト

• Systems-Theoretic and Data-Driven Security Analysis in ML-enabled Medical Devices [6.197430230611422]
  我々は、AI/ML対応医療機器の脅威状況を理解するために、デバイスリコールや有害事象、既知の脆弱性に関する公開データを解析する。 我々の研究は、メーカーがAI/ML対応医療機器の中核となる設計原則としてサイバーセキュリティを組み込むことを可能にすることを目的としています。
  論文  参考訳（メタデータ） (2025-06-18T00:05:48Z)
• MDHP-Net: Detecting an Emerging Time-exciting Threat in IVN [42.74889568823579]
  我々は車載ネットワーク(IVN)に対する新たな時間的脅威モデルを特定する。 これらの攻撃は、タイムエキサイティングな効果を示す悪意のあるメッセージを注入し、徐々にネットワークトラフィックを操作して車両の動作を妨害し、安全クリティカルな機能を損なう。 時間的脅威を検出するため,MDHP-Netを導入し,Multi-Dimentional Hawkes Process(MDHP)と時間的・メッセージ的特徴抽出構造を利用した。
  論文  参考訳（メタデータ） (2025-04-16T08:41:24Z)
• Cybersecurity and Frequent Cyber Attacks on IoT Devices in Healthcare: Issues and Solutions [0.0]
  医療におけるIoT(Internet of Things)デバイスは、患者のケアに革命をもたらし、監視、診断、治療の改善を提供する。 しかし、これらのデバイスの普及は、重大なサイバーセキュリティ上の課題ももたらした。 本稿では、医療におけるIoTデバイスをターゲットにしたサイバーセキュリティの脅威の現状を概観し、これらの脆弱性に影響を及ぼす根底にある問題について論じ、潜在的な解決策を探る。
  論文  参考訳（メタデータ） (2025-01-20T03:29:07Z)
• A Review on the Security Vulnerabilities of the IoMT against Malware Attacks and DDoS [0.0]
  インターネット・オブ・メディカル・モノ(IoMT)は、医療機器を接続して患者の治療結果を監視することで医療産業を変革した。 本報告では,IoMT機器の脆弱性を概観し,重大な脅威に着目し,緩和策を検討する。
  論文  参考訳（メタデータ） (2025-01-13T21:29:06Z)
• Open Problems in Machine Unlearning for AI Safety [61.43515658834902]
  特定の種類の知識を選択的に忘れたり、抑圧したりするマシンアンラーニングは、プライバシとデータ削除タスクの約束を示している。 本稿では,アンラーニングがAI安全性の包括的ソリューションとして機能することを防止するための重要な制約を特定する。
  論文  参考訳（メタデータ） (2025-01-09T03:59:10Z)
• MDHP-Net: Detecting an Emerging Time-exciting Threat in IVN [42.74889568823579]
  我々は車載ネットワーク(IVN)に対する新たな時間的脅威モデルを特定する。 これらの攻撃は、タイムエキサイティングな効果を示す悪意のあるメッセージを注入し、徐々にネットワークトラフィックを操作して車両の動作を妨害し、安全クリティカルな機能を損なう。 時間的脅威を検出するため,MDHP-Netを導入し,Multi-Dimentional Hawkes Process(MDHP)と時間的・メッセージ的特徴抽出構造を利用した。
  論文  参考訳（メタデータ） (2024-11-15T15:05:01Z)
• Machine Learning-Assisted Intrusion Detection for Enhancing Internet of Things Security [1.2369895513397127]
  IoT(Internet of Things)に対する攻撃は、デバイス、アプリケーション、インタラクションのネットワーク化と統合化が進むにつれて増加している。 IoTデバイスを効率的にセキュアにするためには、侵入システムのリアルタイム検出が重要である。 本稿では、IoTセキュリティのための機械学習ベースの侵入検知戦略に関する最新の研究について検討する。
  論文  参考訳（メタデータ） (2024-10-01T19:24:34Z)
• Physical Adversarial Attacks for Surveillance: A Survey [40.81031907691243]
  本稿では,監視アプリケーションに対する身体的敵攻撃の学習と設計における最近の試みと成果を概観する。 特に,身体的敵攻撃を解析するための枠組みを提案し,4つの主要な監視課題に対する身体的敵攻撃を包括的に調査する。 本稿では,物理的な攻撃に対する監視システム内でのレジリエンスを構築するための重要なステップについて述べる。
  論文  参考訳（メタデータ） (2023-05-01T20:19:59Z)
• Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
  大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。 我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。 我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
  論文  参考訳（メタデータ） (2020-10-19T13:09:31Z)

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。