Securing Healthcare with Deep Learning: A CNN-Based Model for medical IoT Threat Detection

要約

医療インターネット（IOMT）のヘルスケアシステムへの統合の増加は、患者ケアを大幅に強化しましたが、重要なサイバーセキュリティの課題も導入しています。
この論文では、IOMT環境内のサイバー攻撃を検出するための畳み込みニューラルネットワーク（CNNS）に基づく新しいアプローチを紹介します。
主に従来の機械学習（ML）モデルまたはよりシンプルな深いニューラルネットワーク（DNNS）を利用した以前の研究とは異なり、提案されたモデルはCNNの機能を活用して、ネットワークトラフィックデータの時間的特性を効果的に分析します。
CICIOMT2024データセットでトレーニングおよび評価されたIOMTデバ​​イスの範囲にわたる18の異なるタイプのサイバー攻撃を含む、提案されたCNNモデルは、以前の最先端の方法と比較して優れた性能を示し、バイナリで99％の完全な精度を達成しました
、カテゴリおよびマルチクラス分類タスク。
このパフォーマンスは、ロジスティック回帰、adaboost、DNNS、ランダムフォレストなどの従来のMLモデルのパフォーマンスを上回ります。
これらの調査結果は、CNNがIOMTサイバーセキュリティを大幅に改善する可能性を強調し、それによって接続されたヘルスケアシステムの保護と完全性を確保します。

要約(オリジナル)

The increasing integration of the Internet of Medical Things (IoMT) into healthcare systems has significantly enhanced patient care but has also introduced critical cybersecurity challenges. This paper presents a novel approach based on Convolutional Neural Networks (CNNs) for detecting cyberattacks within IoMT environments. Unlike previous studies that predominantly utilized traditional machine learning (ML) models or simpler Deep Neural Networks (DNNs), the proposed model leverages the capabilities of CNNs to effectively analyze the temporal characteristics of network traffic data. Trained and evaluated on the CICIoMT2024 dataset, which comprises 18 distinct types of cyberattacks across a range of IoMT devices, the proposed CNN model demonstrates superior performance compared to previous state-of-the-art methods, achieving a perfect accuracy of 99% in binary, categorical, and multiclass classification tasks. This performance surpasses that of conventional ML models such as Logistic Regression, AdaBoost, DNNs, and Random Forests. These findings highlight the potential of CNNs to substantially improve IoMT cybersecurity, thereby ensuring the protection and integrity of connected healthcare systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google