論文の概要: DICOMHawk: A Cyber Deception Framework for Medical Imaging Infrastructure

• arxiv url: http://arxiv.org/abs/2607.15754v1
• Date: Fri, 17 Jul 2026 08:41:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.80046
• Title: DICOMHawk: A Cyber Deception Framework for Medical Imaging Infrastructure
• Title（参考訳）: DICOMHawk: 医療画像基盤のためのサイバー認知フレームワーク
• Abstract要約: 本研究では,DICOMとPACSサービスを現実的なインタラクション,動的に集積する医療記録,ハネトケンを組み込んだサイバー詐欺フレームワークであるDICOMHawkを紹介する。 86日間の比較と、複数のネットワークにわたる347日間のデプロイメントにおいて、DICOMHawkはDicompotよりも有効なセッションを集め、ハニーポットの検出を避け、49の医療関連攻撃を捉えた。
• 参考スコア（独自算出の注目度）: 34.06478657370088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cyber-attacks against exposed healthcare infrastructure threaten sensitive patient data and clinical operations, yet existing defensive tools for DICOM-based medical imaging systems provide limited interaction and are easily fingerprinted. We introduce DICOMHawk, a cyber-deception framework that emulates DICOM and PACS services using realistic interactions, dynamically populated medical records, and embedded honeytokens. In an 86-day comparison and a 347-day deployment across multiple networks, DICOMHawk attracted more valid sessions than Dicompot, avoided honeypot detection, and captured 49 medical-related attacks. The results show that realistic, long-term, multi-location deception improves visibility into threats targeting medical imaging systems.
• Abstract（参考訳）: 感染した医療インフラに対するサイバー攻撃は、機密性の高い患者データや臨床手術を脅かすが、DICOMベースの医療画像システムのための既存の防御ツールは、限られた相互作用を提供し、簡単に指紋でわかる。 本研究では,DICOMとPACSサービスを現実的なインタラクション,動的に集積する医療記録,ハネトケンを組み込んだサイバー詐欺フレームワークであるDICOMHawkを紹介する。 86日間の比較と、複数のネットワークにまたがる347日間のデプロイメントにおいて、DICOMHawkはDicompotよりも有効なセッションを集め、ハニーポットの検出を避け、49の医療関連攻撃を捉えた。 その結果、現実的で長期にわたるマルチロケーションの偽装により、医療画像システムをターゲットにした脅威への視認性が向上することが示された。

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)
• MedCTA: A Benchmark for Clinical Tool Agents [47.47354499871572]
  MedCTA(MedCTA)は,臨床医が有する段階的作業における医療ツールエージェントの評価のためのベンチマークである。 MedCTAは、実世界の107の臨床的タスクと、臨床者が検証した5つのデプロイツール以上の実行可能な軌道から構成される。 我々は18のオープンソースおよびクローズドソースマルチモーダルモデルをベンチマークし、フロンティアシステムでさえもマルチステップ臨床ツールの使用において脆弱であることを発見した。
  論文  参考訳（メタデータ） (2026-06-10T06:26:52Z)
• On-Device Interpretable Tsetlin Machine-Based Intrusion Detection for Secure IoMT [13.996271196616364]
  本稿では、IoMT環境における様々なサイバー攻撃の位相を特定するための、デバイス上での解釈可能なTsetlin Machine(TM)ベースの侵入検知システム(IDS)を提案する。 現実的なサイバー攻撃のさまざまなフェーズを含むMedSec-25データセットの大規模な評価は、提案モデルがMLモデルや最先端手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2026-05-15T23:44:40Z)
• Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery [64.82869118243723]
  本稿では,脳波に基づく視覚・運動画像(VI/MI)とロボット制御を統合し,リアルタイム・意図駆動型把握・配置を実現するフレームワークを提案する。 このシステムは、BCI駆動のロボット工学の約束に感銘を受けて、オフラインで事前訓練されたデコーダをゼロショットで展開することによって、ニューラルネットワークを物理的制御でブリッジする。
  論文  参考訳（メタデータ） (2026-03-03T17:41:42Z)
• Abusing the Internet of Medical Things: Evaluating Threat Models and Forensic Readiness for Multi-Vector Attacks on Connected Healthcare Devices [0.0]
  我々は,サイバー物理システムのセキュリティモデルと技術利用フレームワークを融合したハザード統合脅威モデルを開発する。 我々は,実践者との没入型シミュレーションを行い,我々のモデルのライブバージョンをデプロイし,デジタル法医学の実践におけるギャップを識別する。 IPVコンテキストにおけるMedTechのサイバーセキュリティには,脅威モデリングの統合と法医学的能力の向上が必要である。
  論文  参考訳（メタデータ） (2026-01-18T21:32:52Z)
• How to make Medical AI Systems safer? Simulating Vulnerabilities, and Threats in Multimodal Medical RAG System [21.40560864239872]
  我々は医療用RAGシステムの脆弱性を調査する新しいフレームワークであるMedThreatRAGを提案する。 我々のアプローチの重要な革新は、シミュレーションされたセミオープンアタック環境の構築である。 We show that MedThreatRAG reduces answer F1 scores to 27.66% and downs LLaVA-Med-1.5 F1 rate to 51.36%。
  論文  参考訳（メタデータ） (2025-08-24T05:11:09Z)
• Integration of Communication and Computational Imaging [49.2442836992307]
  遠隔認識のためのコミュニケーション・計算画像(ICCI)を統合した新しいフレームワークを提案する。 ICCIフレームワークは、情報ソースの生成から最終ビジョンタスクの実行までの情報損失を最小限に抑えるために、全リンク情報転送最適化を行う。 80km27バンドのハイパースペクトル映像の知覚速度は30fpsである。
  論文  参考訳（メタデータ） (2024-10-25T09:19:59Z)
• MITS-GAN: Safeguarding Medical Imaging from Tampering with Generative Adversarial Networks [48.686454485328895]
  本研究では,医療画像の改ざんを防止する新しいアプローチであるMITS-GANを紹介する。 このアプローチは、人間の目には知覚できない微調整された摂動を導入することで、攻撃者のCT-GANアーキテクチャの出力を妨害する。 CTスキャンによる実験結果から,MITS-GANの優れた性能が確認された。
  論文  参考訳（メタデータ） (2024-01-17T22:30:41Z)
• COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
  COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。 ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
  論文  参考訳（メタデータ） (2023-01-04T16:05:51Z)
• Defending against adversarial attacks on medical imaging AI system, classification or detection? [18.92197034672677]
  半スーパービジョン・ディバイザ・トレーニング(SSAT)と非教師付きディバイザ・ディテクト(UAD)に基づく新しい堅牢な医用画像AIフレームワークを提案する。 我々は、対戦型攻撃の多様な現実的な設定の下で、既存の敵防衛技術よりも堅牢な医用画像AIシステムの利点を実証する。
  論文  参考訳（メタデータ） (2020-06-24T08:26:49Z)

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。