論文の概要: Measuring Healthcare Data Leaks and Security Flaws at Internet Scale
- arxiv url: http://arxiv.org/abs/2607.04965v1
- Date: Mon, 06 Jul 2026 11:52:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:30.130101
- Title: Measuring Healthcare Data Leaks and Security Flaws at Internet Scale
- Title（参考訳）: インターネット規模での医療データ漏洩とセキュリティ欠陥の測定
- Abstract要約: HL7およびFHIRサービスに関する大規模な研究を行い、DICOMの取り組みを拡大する。
当社の大規模なインターネットスキャンでは、IPv4とIPv6アドレス空間にわたる3つの主要な医療プロトコルを網羅し、医療システムを特定し、認証上の欠陥によるデータ漏洩を明らかにしました。
- 参考スコア（独自算出の注目度）: 2.475315310659106
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Systems that process medical data should be meticulously secured. Yet, network services in healthcare environments often fail to implement basic security measures. For example, previous studies showed that network segmentation flaws led to DICOM systems leaking millions of patient records. In addition to DICOM, healthcare facilities rely heavily on the HL7 and FHIR protocols to transmit data. For nine months, we operated a low-interaction honeypot for medical protocols. We found it was regularly scanned for DICOM but never for HL7 or FHIR, indicating that despite their widespread use and importance for patient data security, the security of these services remains underexplored. In this paper, we present the first large-scale study on HL7 and FHIR services and expand previous work on DICOM. Our large-scale Internet scans, covering the three major healthcare protocols across IPv4 and IPv6 address spaces, identify healthcare systems and uncover data leaks due to authentication flaws. Additionally, we scanned for deficiencies in TLS configurations of these services and known insecure healthcare software. In total, we found \TotalEndpointsAuthFlaws ~healthcare services with authentication flaws. \NonTLSPercentage{}\% of all exposed systems do not support transport encryption, and \AllServerCVE{} systems have known software vulnerabilities, including those with potential for system takeover and CVSS scores up to 9.8. Overall, our study reveals an alarming state of cybersecurity in healthcare deployments, for which we discuss potential reasons and countermeasures. Finally, we report on the coordinated disclosure campaign we initiated to improve the security of patient data.
- Abstract（参考訳）: 医療データを処理するシステムは慎重に確保されるべきである。
しかし、医療環境におけるネットワークサービスは、基本的なセキュリティ対策の実装に失敗することが多い。
例えば、以前の研究では、ネットワークセグメンテーションの欠陥がDICOMシステムに数百万の患者記録を漏洩させたことが示されていた。
DICOMに加えて、医療施設はデータ送信のためにHL7とFHIRプロトコルに大きく依存している。
9カ月間,医療用ハニーポットを手術した。
DICOMで定期的にスキャンされているが、HL7やFHIRでは検出されていない。
本稿では,HL7 および FHIR サービスに関する大規模な研究を行い,DICOM の取り組みを拡大する。
当社の大規模インターネットスキャンでは、IPv4とIPv6アドレス空間にわたる3つの主要な医療プロトコルを網羅し、医療システムを特定し、認証上の欠陥によるデータ漏洩を明らかにしました。
さらに、これらのサービスのTLS構成の欠陥と、既知の安全でない医療ソフトウェアをスキャンした。
合計すると、認証欠陥のある‘TotalEndpointsAuthFlaws 〜Healthcareサービス’が見つかりました。
すべての公開システムの \NonTLSPercentage{}\% はトランスポート暗号化をサポートしておらず、 \AllServerCVE{} システムはシステムの乗っ取り可能性やCVSSスコアの9.8までを含む、既知のソフトウェア脆弱性を持っている。
全体として、我々の研究は、医療展開におけるサイバーセキュリティの危機的状況を明らかにし、潜在的な理由と対策について議論する。
最後に,患者データのセキュリティ向上を目的とした協調的開示キャンペーンについて報告する。
関連論文リスト
- Is That Really My X-Ray? Measuring Internet-Exposed DICOM Services in the Presence of Deception [3.1755490703175258]
DICOMは医療画像の交換における主要なプロトコルである。
多くのインターネット対応デプロイメントでは、基本的なセキュリティコントロールが欠如しており、患者データを不正アクセスに公開している。
本稿では,インターネット対応DICOMサービスに関するノイズ対応研究について述べる。
論文 参考訳（メタデータ） (2026-07-17T10:49:30Z) - Data Poisoning Vulnerabilities Across Healthcare AI Architectures: A Security Threat Analysis [39.89241412792336]
我々は,畳み込みニューラルネットワークに対するアーキテクチャ攻撃,大規模言語モデル,強化学習エージェントの4つのカテゴリの8つの攻撃シナリオを分析した。
以上の結果から,100～500サンプルしかアクセスできないアタッカーは,データセットのサイズに関わらず,医療AIを侵害する可能性が示唆された。
我々は、必要な敵検定、アンサンブルに基づく検出、プライバシー保護セキュリティ機構、AIセキュリティ標準に関する国際調整を含む多層防御を推奨する。
論文 参考訳（メタデータ） (2025-11-14T07:16:16Z) - Functional Encryption in Secure Neural Network Training: Data Leakage and Practical Mitigations [45.88028371034407]
本稿では,関数暗号化(FE)を用いて暗号化データのセキュアなトレーニングを行うニューラルネットワークに対する攻撃を提案する。
1つのアプローチは暗号化に頼ることなくセキュリティを保証するが、もう1つは関数を隠蔽する内部製品技術を使用する。
論文 参考訳（メタデータ） (2025-09-25T19:56:05Z) - Lightweight Electronic Signatures and Reliable Access Control Included in Sensor Networks to Prevent Cyber Attacks from Modifying Patient Data [0.0]
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。
論文 参考訳（メタデータ） (2025-06-10T14:17:46Z) - 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) - VMGuard: Reputation-Based Incentive Mechanism for Poisoning Attack Detection in Vehicular Metaverse [52.57251742991769]
車両メタバースガード(VMGuard)は、車両メタバースシステムをデータ中毒攻撃から保護する。
VMGuardは、参加するSIoTデバイスの信頼性を評価するために、評判に基づくインセンティブメカニズムを実装している。
当社のシステムは,従来は誤分類されていた信頼性の高いSIoTデバイスが,今後の市場ラウンドへの参加を禁止していないことを保証します。
論文 参考訳（メタデータ） (2024-12-05T17:08:20Z) - FEDMEKI: A Benchmark for Scaling Medical Foundation Models via Federated Knowledge Injection [83.54960238236548]
FEDMEKIはデータのプライバシーを守るだけでなく、医療基盤モデルの能力を高める。
FEDMEKIは、医療ファンデーションモデルに対して、直接データを公開することなく、幅広い医療知識から学ぶことを可能にする。
論文 参考訳（メタデータ） (2024-08-17T15:18:56Z) - 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) - A Secure Healthcare 5.0 System Based on Blockchain Technology Entangled
with Federated Learning Technique [0.44040106718326594]
セキュリティとプライバシは、IoMT(Internet of Medical Things)業界における重要な懸念事項である。
早期に懸念を特定することで、スマートヘルスケアシステムは長期的なダメージを避けるのに役立つ。
本研究は、ブロックチェーン技術と侵入検知システム(IDS)を活用して、医療5.0に安全な健康モニタリングシステムを構築することを目的とする。
論文 参考訳（メタデータ） (2022-09-16T23:25:42Z) - A multiagent based framework secured with layered SVM-based IDS for
remote healthcare systems [0.0]
2段階からなる遠隔医療システムのためのセキュアなフレームワークを提案する。
まず,センサネットワークからデータを収集するマルチエージェント技術に基づく医療システムの設計を行う。
第2フェーズでは,ネットワークトラフィックの挙動を学習するためにサポートベクタマシンを用いた侵入検知システムの階層化が適用される。
論文 参考訳（メタデータ） (2021-04-13T20:34:38Z) - 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) - Decentralized Privacy-Preserving Proximity Tracing [50.27258414960402]
DP3TはSARS-CoV-2の普及を遅らせるための技術基盤を提供する。
システムは、個人やコミュニティのプライバシーとセキュリティのリスクを最小限にすることを目的としている。
論文 参考訳（メタデータ） (2020-05-25T12:32:02Z)
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。