論文の概要: Clinical-Protocol-Aware Cyber Resilience for Connected Clinical Technologies Under AI-Enabled Adversarial Conditions

• arxiv url: http://arxiv.org/abs/2610.41784v1
• Date: Fri, 30 Oct 2026 14:18:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.766245
• Title: Clinical-Protocol-Aware Cyber Resilience for Connected Clinical Technologies Under AI-Enabled Adversarial Conditions
• Title（参考訳）: AIによる対向的条件下でのコネクテッド・クリニカル・テクノロジーのための臨床プロトコール対応サイバーレジリエンス
• Abstract要約: 本稿では,臨床用マイクロネットワークと制御相互接続に基づく臨床用プロトコール対応サイバーレジリエンスフレームワークを提案する。 このフレームワークは、臨床要素をサイバーセキュリティ設計、管理、評価、予防、封じ込め、インシデント対応に統合する。
• 参考スコア（独自算出の注目度）: 0.023682241617452762
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Healthcare increasingly relies on connected medical devices, clinical information systems, cloud services, and distributed-care technologies, creating cybersecurity risks across clinical workflows. AI-enabled capabilities can accelerate vulnerability discovery and attack-path analysis, increasing the need to limit compromise propagation. This paper proposes a clinical-protocol-aware cyber-resilience framework based on bounded clinical micro-networks and controlled interconnections. The framework integrates clinical factors into cybersecurity design, management, and evaluation, covering prevention, containment, and incident response. A parameterized Monte Carlo simulation distinguishes technical cyber exposure from modeled clinical consequence. Experiments investigate architectural connectivity, adversarial capability, security controls, protocol dependency, risk alignment, communication directionality, lifecycle integration, and response timing. Under the simulation assumptions, connected architecture increases mean cyber exposure by 56.3% relative to segmented architecture, while combined prevention and containment reduce exposure by 60.1% relative to no controls. Increasing protocol dependency raises the modeled clinical-impact index from 1.021 to 7.567 without changing mean cyber exposure, demonstrating that technical exposure and clinical consequence can diverge. Risk-alignment experiments further indicate higher modeled clinical impact when greater technical risk corresponds to greater clinical significance. The findings support comparative architectural analysis, not calibrated estimates of real-world cyber risk, control effectiveness, or patient harm. The framework provides a clinical-context-aware approach to security-boundary design, control prioritization, and coordinated containment in connected healthcare environments.
• Abstract（参考訳）: 医療はますます、コネクテッド医療機器、臨床情報システム、クラウドサービス、および分散医療技術に依存し、臨床ワークフロー全体にわたるサイバーセキュリティリスクを生み出している。 AI対応の機能は、脆弱性発見とアタックパス分析を加速し、妥協の伝達を制限する必要性を増大させる。 本稿では,臨床用マイクロネットワークと制御相互接続に基づく臨床用プロトコール対応サイバーレジリエンスフレームワークを提案する。 このフレームワークは、臨床要素をサイバーセキュリティ設計、管理、評価、予防、封じ込め、インシデント対応に統合する。 パラメータ化モンテカルロシミュレーションは、技術的サイバー露光とモデル化された臨床結果とを区別する。 実験では、アーキテクチャ接続性、敵の能力、セキュリティコントロール、プロトコル依存性、リスクアライメント、通信方向、ライフサイクル統合、レスポンスタイミングについて調べる。 シミュレーションの仮定では、接続されたアーキテクチャは、セグメンテッドアーキテクチャと比較して56.3%のサイバー露光を平均的に増加させ、一方で、予防と封じ込めを組み合わせることで、制御なしに比べて60.1%のサイバー露光を減少させる。 プロトコル依存性の増大は、平均的なサイバー露出を変化させることなく、1.021から7.567までのモデル付き臨床影響指数を上昇させ、技術的露出と臨床結果が分岐することを示した。 リスクアライメント実験は、より大きな技術的リスクがより大きな臨床的重要性に対応する場合に、より高いモデル付き臨床効果を示す。 この結果は、現実世界のサイバーリスク、コントロールの有効性、患者の危害の校正された評価ではなく、比較アーキテクチャ分析を支持している。 このフレームワークは、セキュリティバウンダリ設計、制御優先化、および接続された医療環境における調整された封じ込めに対する臨床コンテキスト対応のアプローチを提供する。

関連論文リスト

• From bits to atoms: A survey of cross-layer safety in Embodied AI [293.058806505954]
  Embodied Artificial Intelligence (AI)は、デジタル障害や攻撃が物理的損害を引き起こす可能性があるため、サイバー物理的リスクをもたらす。 この調査では、4層参照アーキテクチャを通じて、AIの安全性を具体化している。 安全パラダイムの進化を辿り、フォールトとアタックがどのようにアーキテクチャの境界を越えているかを調べます。
  論文  参考訳（メタデータ） (2026-10-02T06:37:10Z)
• AI Morbidity and Mortality: A Framework for Clinical AI Failure Review [4.342185705620882]
  AIM&M(AI Morbidity and Mortality、AIM&M)は、臨床AI障害のケースベースレビューのための、構造化された、非難なしのフレームワークである。 このフレームワークは、標準化されたケースインテーク、エビデンス保存と調査官レベルの再構築、ツール・イン・ループ・アトリビューション、修正アクショントラッキングを組み合わせている。 個々のAI内フロー障害を実行可能な機関学習に変換することで、モデル監視、患者の安全報告、規制監督を置き換えるのではなく、補完することを目的としている。
  論文  参考訳（メタデータ） (2026-08-31T07:41:30Z)
• From Static Risk to Dynamic Trajectories: Toward World-Model-Inspired Clinical Prediction [61.12883122613684]
  本稿では, 患者固有の縦断疾患の進展を推定し, 代替治療下での軌跡変化を評価するための, 臨床AIにおける介入認識型疾患軌跡モデリングに焦点をあてる。 3つの意思決定タスク(実測,反実推定,政策評価)と3つのデータ生成機構(障害発生, 治療課題, 観察過程)によって, 識別可能性を決定する。 本稿では,個別/連続時間にまたがる予測,反ファクト的軌跡,政策評価の統一的な枠組みを提案する。
  論文  参考訳（メタデータ） (2026-05-16T10:45:26Z)
• Privacy-Preserving EHR Data Transformation via Geometric Operators: A Human-AI Co-Design Technical Report [16.63231295240052]
  構造化された臨床記録のプライバシー保護のためのリアルタイムデータ変換フレームワークを提案する。 我々のアプローチは、医学的意味論と主要な統計的性質を保存する数値的な見解を変容させるものである。
  論文  参考訳（メタデータ） (2026-03-24T08:49:22Z)
• A Robust Framework for Secure Cardiovascular Risk Prediction: An Architectural Case Study of Differentially Private Federated Learning [0.0]
  FedCVR Learningは、異種臨床ネットワークに適用されるプライバシー保護フレームワークである。 我々は,サーバサイド適応最適化の運用上のトレードオフを,ユーティリティ優先の差分プライバシーの下で定量化する。 以上の結果から,サーバ側の適応性は,現実的なプライバシ予算の下で臨床ユーティリティを回復するための構造的前提条件であることが確認された。
  論文  参考訳（メタデータ） (2026-02-28T09:36:38Z)
• Before the Clinic: Transparent and Operable Design Principles for Healthcare AI [42.994619952353396]
  医療AIの先進的な技術的要件を運用するための基本設計原則を2つ提案する。 我々は、これらの原則を確立されたXAIフレームワークに根ざし、それらをドキュメント化された臨床ニーズにマッピングし、新たなガバナンス要件との整合性を実証します。 この前臨床プレイブックは、開発チームに対して実行可能なガイダンスを提供し、臨床評価への道を加速し、AI研究者、医療実践家、規制ステークホルダーを分かち合う共通語彙を確立する。
  論文  参考訳（メタデータ） (2025-10-31T04:05:09Z)
• Exploring Membership Inference Vulnerabilities in Clinical Large Language Models [42.52690697965999]
  臨床大言語モデル(LLM)におけるメンバーシップ推論脆弱性の探索的研究について述べる。 最新の臨床質問応答モデルであるLlemrを用いて、標準的損失に基づく攻撃とドメインを動機としたパラフレージングに基づく摂動戦略の両方を評価する。 その結果は、コンテキスト認識、ドメイン固有のプライバシ評価、防衛の継続的な開発を動機付けている。
  論文  参考訳（メタデータ） (2025-10-21T14:27:48Z)
• RadFabric: Agentic AI System with Reasoning Capability for Radiology [61.25593938175618]
  RadFabricは、総合的なCXR解釈のための視覚的およびテキスト分析を統合するマルチエージェント、マルチモーダル推論フレームワークである。 システムは、病理診断に特殊なCXRエージェント、正確な解剖学的構造に視覚所見をマッピングする解剖学的解釈エージェント、および視覚的、解剖学的、臨床データを透明かつ証拠に基づく診断に合成する大規模なマルチモーダル推論モデルを利用した推論エージェントを使用する。
  論文  参考訳（メタデータ） (2025-06-17T03:10:33Z)
• CoRPA: Adversarial Image Generation for Chest X-rays Using Concept Vector Perturbations and Generative Models [2.380494879018844]
  医用画像分類タスクのためのディープラーニングモデルは、AI支援診断ツールで広く実装されている。 敵の攻撃に対する脆弱性は、患者の安全に重大なリスクをもたらす。 臨床に焦点を当てたブラックボックス攻撃フレームワークであるConcept-based Report Perturbation Attack (CoRPA)を提案する。
  論文  参考訳（メタデータ） (2025-02-04T17:14:31Z)
• Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
  人工知能(AI)に基づく合成データ生成は、臨床医学の届け方を変えることができる。 本研究は,無線カプセル内視鏡(WCE)画像を用いた炎症性腸疾患(IBD)の診断における概念実証による医療用SDGの臨床評価に焦点を当てた。 その結果、TIDE-IIは、最先端の生成モデルと比較して品質が向上し、臨床的に可塑性で、非常に現実的なWCE画像を生成することがわかった。
  論文  参考訳（メタデータ） (2024-10-31T19:48:50Z)

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。