كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / یازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

یک چارچوب یادگیری فدراسیونی قابل‌توضیح برای تشخیص نفوذ در اینترنت اشیاء پزشکی

نویسندگان :

فاطمه فاطمه¹ هاله همایونی² زهرا تصمیم قطعی³

1- موسسه آموزش عالی آپادانا 2- موسسه آموزش عالی آپادانا 3- موسسه آموزش عالی آپادانا

کلمات کلیدی :

یادگیری فدرال قابل توضیح،تشخیص نفوذ،اینترنت اشیای پزشکی،حریم خصوصی افتراقی،تجمیع مقاوم،تجمیع امن

چکیده :

افزایش استفاده از دستگاه‌های پزشکی متصل نیازمند سامانه‌های تشخیص نفوذ است که همزمان حریم خصوصی، مقاومت در برابر حملات و قابلیت تبیین‌پذیری تصمیم‌ها را تأمین کنند. در این مقاله چارچوبی مبتنی بر یادگیری فدرال قابل توضیح برای تشخیص نفوذ در محیط‌های IoMT ارائه شده است که سه مؤلفه کلیدی را ترکیب می‌کند: (۱) حفاظت از حریم خصوصی با تلفیق مکانیزم‌های حفظ حریم خصوصی و تجمیع امن، (۲) افزایش مقاومت در برابر کلاینت‌های مخرب از طریق روش‌های تجمیع مقاوم، و (۳) فراهم‌سازی توضیحات قابل‌فهم با تولید و ارسال خلاصه‌های محلی SHAP برای تحلیل الگوهای توضیحی در سطح سرور. نتایج آزمایش‌ها بر روی مجموعه‌داده‌های معتبر IoT/IoMT نشان می‌دهد که چارچوب پیشنهادی می‌تواند تعادل مناسبی بین حفظ حریم خصوصی، مقاومت و قابلیت توضیح‌پذیری برقرار سازد و به‌عنوان راهکاری عملی برای تقویت امنیت سامانه‌های پزشکی متصل مورد استفاده قرار گیرد.