論文の概要: DSTAN-Med: Dual-Channel Spatiotemporal Attention with Physiological Plausibility Filtering for False Data Injection Attack Detection in IoT-Based Medical Devices

• arxiv url: http://arxiv.org/abs/2605.14165v1
• Date: Wed, 13 May 2026 22:39:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.52377
• Title: DSTAN-Med: Dual-Channel Spatiotemporal Attention with Physiological Plausibility Filtering for False Data Injection Attack Detection in IoT-Based Medical Devices
• Title（参考訳）: DSTAN-Med:IoTを用いた医療機器における偽データ注入検出のための生理的可視度フィルタ付きデュアルチャネル時空間アテンション
• Authors: Md Mehedi Hasan, Rafiqul Islam, Md Zakir Hossain,
• Abstract要約: インターネット・オブ・メディカル・モノ(IoMT)センサーに対するFalse Data Injection(FDI)攻撃は、トランジットにおける重要な兆候を偽る。 既存のディープラーニング検出器は、センサ間の空間的相関と、共有潜在空間における時間的依存関係を分割する。 DSTAN-Medは多変量センサウインドウを独立センサワイド(SWA)および時間ワイド(TWA)自己アテンション経路を介してルーティングする教師付きフレームワークである。
• 参考スコア（独自算出の注目度）: 1.1459450491541954
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: False data injection (FDI) attacks on Internet of Medical Things (IoMT) sensor streams falsify vital signs in transit, threatening patient safety and defeating clinical monitoring systems that lack cyber-physical anomaly detection capability. Existing deep learning detectors conflate inter-sensor spatial correlations with temporal dependencies in a shared latent space, preventing disentanglement of the distinct spatial and temporal signatures that FDI attacks imprint simultaneously; no current method exploits domain knowledge to constrain outputs against physiologically impossible attack patterns. We propose DSTAN-Med, a supervised framework comprising a Dual-channel Attention Mechanism (DAM) that routes multivariate sensor windows through independent sensor-wise (SWA) and time-wise (TWA) self-attention pathways operating on orthogonal tensor axes, a residual 1D-CNN block for local temporal feature extraction, and a zero-parameter Physiological Plausibility Filter (PPF) that suppresses attack signatures violating domain-knowledge bounds. Evaluated across three IoMT sensor datasets - PhysioNet/CinC 2012 (ICU vital signs), MIMIC-III Waveform (continuous ICU waveforms), and WESAD (wearable biosensor signals) - DSTAN-Med achieves mean sensitivity gains of 7.4-8.3 percentage points over the strongest Transformer baseline (TranAD), with improvements significant at p < 0.01 (McNemar's test, Holm-Bonferroni correction). The PPF contributes independent precision gains of 3.1-4.2 percentage points at negligible sensitivity cost across all three corpora. Ablation studies confirm that each component is individually necessary; removal of residual connections alone reduces sensitivity by 14.0 percentage points. The source code is publicly available at https://github.com/mehedi93hasan/DSTAN-MED.
• Abstract（参考訳）: IoMT(Internet of Medical Things)センサーに対するFalse Data Injection(FDI)攻撃は、トランジットにおける重要な兆候を偽装し、患者の安全性を脅かし、サイバー物理異常検出能力に欠ける臨床モニタリングシステムを打ち破る。 既存のディープラーニング検出器は、センサー間の空間的相関と、共有潜在空間における時間的依存関係を区別し、FDI攻撃が同時に出力する異なる空間的および時間的シグネチャの歪みを防止している。 本稿では,DSTAN-Medを提案する。DSTAN-MedはDAM(Dual-channel Attention Mechanism)と,直交テンソル軸に作用するTWA(TWA)自己アテンション経路と,局所時間的特徴抽出のための残差1D-CNNブロックと,ドメイン知識境界に違反する攻撃信号を抑制するゼロパラメータ生理的プラウシビリティフィルタ(PPF)から構成される監視フレームワークである。 PhysioNet/CinC 2012 (ICU vital signs)、MIMIC-III Waveform (continuous ICU waveforms)、WASAD (wearable biosensor signals) - DSTAN-Med はトランスフォーマーベースライン (TranAD) で7.4-8.3ポイントの感度向上を実現し、p < 0.01 (McNemar's test, Holm-Bonferroni correct) で改善された。 PPFは3つのコーパス全てに対して無視できる感度コストで3.1-4.2ポイントの独立精度向上に寄与する。 アブレーション研究により各成分は個別に必要であることが確認され、残留結合の除去だけで感度が14.0ポイント低下する。 ソースコードはhttps://github.com/mehedi93hasan/DSTAN-MEDで公開されている。

関連論文リスト

• Leveraging Imperfect Medical Data: A Manifold-Consistent Spatio-Temporal Network for Sensor-based Human Activity Recognition [7.630146071495278]
  実世界のウェアラブルセンシングのシナリオでは、IoMT信号は、計測の欠如、センサーの故障、環境騒音によってしばしば破損する。 不完全な検知条件下での堅牢なHARのためのマニフォールド一貫性時空間ネットワーク(MCSTN)を提案する。 提案したMCSTNは,既存の最先端手法と比較して,競争性能が高いことを示す。
  論文  参考訳（メタデータ） (2026-04-29T10:55:41Z)
• Using Unsupervised Domain Adaptation Semantic Segmentation for Pulmonary Embolism Detection in Computed Tomography Pulmonary Angiogram (CTPA) Images [0.0]
  非教師なしドメイン適応(UDA)フレームワークはTransformerのバックボーンとMean-Teacherアーキテクチャを使って、センター間のセマンティックセマンティックセグメンテーションを実現する。 主な焦点は、特徴空間内の深い構造情報を学習することで、擬似ラベルの信頼性を高めることである。 クロスセンタデータセット(FUMPEとCAD-PE)で実施した実験的検証は、大幅な性能向上を示す。
  論文  参考訳（メタデータ） (2026-02-23T14:33:24Z)
• Enhancing ECG Classification Robustness with Lightweight Unsupervised Anomaly Detection Filters [39.9470953186283]
  ウェアラブルを用いた連続心電図(ECG)モニタリングは、早期心血管疾患(CVD)検出に有意な可能性を秘めている。 リソース制約のある環境での自動分析のためのディープラーニングモデルをデプロイすることは、アウト・オブ・ディストリビューション(Out-of-Distribution)データによる信頼性上の課題に直面します。 本稿では,非教師付き異常検出(UAD)を,ロバスト性向上のための独立な上流フィルタリング機構として検討する。
  論文  参考訳（メタデータ） (2025-10-30T13:54:37Z)
• Prototyping an End-to-End Multi-Modal Tiny-CNN for Cardiovascular Sensor Patches [35.899401205042615]
  本稿では、バイナリ分類問題を解決するために、データの早期融合を伴う畳み込みニューラルネットワークを提案する。 提案手法は,最先端技術と比較してメモリフットプリントと計算コストを3桁削減する。
  論文  参考訳（メタデータ） (2025-10-21T14:23:20Z)
• Online Reliable Anomaly Detection via Neuromorphic Sensing and Communications [58.796149594878585]
  本稿ではニューロモルフィック無線センサネットワークに基づく低消費電力オンライン異常検出フレームワークを提案する。 検討したシステムでは、中央受信ノードが各時間フレームでニューロモルフィックセンサノード(ニューロSN)のサブセットを積極的にクエリする。 ニューロモルフィックセンサーは事象駆動であり、モニターされたシステムの関連する変化に対応してスパイクを発生させる。
  論文  参考訳（メタデータ） (2025-10-16T13:56:54Z)
• Automated Detection of Epileptic Spikes and Seizures Incorporating a Novel Spatial Clustering Prior [4.432163893362497]
  センサの空間的位置に基づいて,まずMEGチャネルをクラスタリングするパラダイムを導入する。 次に、信号の空間的クラスタリングと時間的変化を統合するために、新しい畳み込み入力モジュールを設計する。 提案手法は,2つの中心から収集した大規模実世界のMEGデータセットであるSanbo-CMRのF1スコア94.73%を達成し,最先端のアプローチを1.85%上回った。
  論文  参考訳（メタデータ） (2025-01-05T02:06:13Z)
• Freezing of Gait Detection Using Gramian Angular Fields and Federated Learning from Wearable Sensors [6.369424231505372]
  歩行凍結(英: Freezing of Gait、FOG)はパーキンソン病の症状である。 本稿では,単一センサのみを用いた実世界展開型FOG検出システムFOGSenseを提案する。
  論文  参考訳（メタデータ） (2024-11-18T17:43:43Z)
• Evaluating ML Robustness in GNSS Interference Classification, Characterization & Localization [42.14439854721613]
  ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害する 本稿では、低周波アンテナから得られたスナップショットからなる広範囲なデータセットを提案する。 本研究の目的は,機械学習モデル(ML)の環境変化に対するレジリエンスを評価することである。
  論文  参考訳（メタデータ） (2024-09-23T15:20:33Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Unsupervised Domain Adaptation for Dysarthric Speech Detection via Domain Adversarial Training and Mutual Information Minimization [52.82138296332476]
  本稿では,非教師付き領域適応問題として,クロスドメイン・ディザスリック音声検出(DSD)を定式化するための最初の試みを行う。 DPC, DAT, 相互情報最小化(MIM)を含むマルチタスク学習戦略を提案する。 実験の結果, 発話レベルの重み付き平均リコールと話者レベルの精度では, それぞれ22.2%, 20.0%の絶対的な増加が得られた。
  論文  参考訳（メタデータ） (2021-06-18T13:34:36Z)
• SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere Representation and Center Points Matching [47.79483848496141]
  3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。 アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。 提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-04-12T05:51:29Z)

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。