综述:数字健康系统中物联网网络主动防御:范围综述

《Electronics》:Proactive Defence in IoT Networks for Digital Health Systems: A Scoping Review

【字体: 大 中 小 】 时间:2026年07月15日 来源:Electronics 2.9

编辑推荐:

  物联网(IoT)在数字健康系统中扮演重要角色,支持植入式设备、可穿戴设备、活动追踪器和可摄入设备等应用。然而,IoT网络的快速扩张已超越安全措施,带来了显著的安全挑战。本范围综述考察了现有IoT安全框架在多大程度上提供全面覆盖,并识别出有助于数字健康环境中主动

  
物联网(IoT)在数字健康系统中扮演重要角色,支持植入式设备、可穿戴设备、活动追踪器和可摄入设备等应用。然而,IoT网络的快速扩张已超越安全措施,带来了显著的安全挑战。本范围综述考察了现有IoT安全框架在多大程度上提供全面覆盖,并识别出有助于数字健康环境中主动防御的关键安全要素。具体研究问题如下:(1)是否存在专门为IoT网络和数字健康系统提供全面保护的IoT网络安全框架?(2)当前使用哪些关键安全要素来开发稳健、主动的IoT安全框架?遵循PRISMA-ScR指南,研究人员对四个数据库进行了系统搜索,以识别2015年至2024年间经同行评审的研究。本综述纳入了255项研究,包括50篇框架论文和205篇非框架论文。结果显示,部分框架处理了离散的安全领域,但通常提供有限的集成安全覆盖。识别出的关键安全要素包括漏洞评估、威胁建模、反馈循环以及人工智能(AI)在IoT网络中用于主动安全措施的集成。本综述提供了结构化的综合,突出了研究空白,并可能为未来开发更集成和主动的IoT赋能数字健康系统安全框架提供信息。
### 1. 引言
物联网(IoT)部署于多个领域,并日益嵌入数字健康系统。数字健康涵盖利用数字技术改善医疗服务和结果。术语“数字健康系统”泛指IoT赋能的医疗技术,包括可穿戴设备、植入式设备、远程监控系统、跌倒检测系统、生命体征监测和智能临床基础设施。然而,由于设备资源受限、缺乏统一安全标准、架构多样性以及医疗数据对网络罪犯的高价值,保护IoT网络仍具挑战性。数字健康系统中的安全漏洞可能危及患者安全、隐私、机构声誉和财务稳定性。IoT的增长规模进一步放大了这些风险。2024年,医疗物联网(IoMT)估值约2258亿美元,预计到2034年将增长至2.29万亿美元。全球IoT设备数量预计到2030年将超过312亿。随着连接性扩展,攻击面相应增加,IoT设备成为网络攻击的日益增长目标。尽管安全技术已在信息通信系统中广泛实施,但保护分布式且资源受限的IoT环境仍是一个持续挑战。IoT网络具有分布式、碎片化和持续连接的特点,呈现复杂且分层的攻击面,使其更易受攻击。许多现有IoT安全策略是被动的,在妥协后处理事件,而非预测不断演变的威胁。在本综述中,主动防御指旨在通过协调和集成的安全设计,在利用之前或早期阶段识别和缓解风险的方法。在数字健康等高敏感性领域,缺乏集成的主动策略使系统持续脆弱。本综述综合了针对IoT网络安全框架、独立安全要素以及为保护数字健康背景下IoT网络而提出的防御措施。它考察了综合框架和独立机制,提供了不同安全方法如何在IoT赋能数字健康系统中使用的结构化概述。“综合”指在IoT环境中集成多个互补安全功能和需求,而非依赖单一安全机制或技术。现有综述研究主要关注特定IoT安全机制、个别威胁类别或特定技术(如人工智能、区块链、入侵检测与防御)。其他研究探讨了更广泛的IoT安全挑战。然而,相对较少的研究在数字健康系统背景下考察IoT安全框架和主动防御方法。本范围综述通过系统检查与数字健康系统相关的IoT网络安全框架和主动安全要素,填补了这一空白。它并非简单映射现有技术,而是提供了文献中报告的IoT安全框架和独立安全机制的结构化综合。主要贡献包括:系统映射和综合与数字健康系统相关的现有IoT安全框架和主动防御方法;识别支持主动IoT网络防御的关键安全要素和机制;检查当前IoT安全研究中的空白与局限,特别是在数字健康环境中;提供关于加强数字健康系统中主动IoT安全的新兴研究趋势和未来方向的结构化概述。论文其余部分组织如下:第2节(材料与方法)概述了范围综述过程,包括研究选择标准和分析方法(阶段1至4)。第3节(结果)分为两部分:第一部分(框架论文)聚焦安全框架,第二部分(非框架论文)聚焦正式框架之外的安全要素。第4节(讨论)解释发现并强调其意义。最后,第5节(结论)总结关键见解和未来研究方向,以开发更主动的IoT赋能数字健康系统方法。

### 2. 材料与方法
选择范围综述是因为IoT网络中主动防御研究的广泛性和跨学科性质。该方法能够全面映射安全框架、关键安全要素和研究空白。它特别适用于综合新兴和多样化的文献,为开发数字健康中IoT网络的主动防御安全框架提供结构化基础。范围综述旨在识别讨论IoT网络安全框架、IoT特定安全要素以及为保护IoT网络而实施的措施的研究。方法基于Arksey和O'Malley(2005)的五阶段框架。遵循PRISMA-ScR指南以确保透明报告,并由两名审阅者独立筛选。完整的PRISMA-ScR检查表作为补充文件提供,PRISMA流程图包含在稿件中。综述协议未注册。阶段1:识别研究问题。阶段2:识别相关研究,包括定义关键词检索词和选择要检索的数据库。阶段3:选择研究,包括执行检索、去除重复论文、使用资格标准对标题和摘要进行第一轮筛选、使用纳入和排除标准对全文进行第二轮筛选。阶段4:数据提取。阶段5:整理、总结和报告结果。

#### 2.1. 阶段1——识别研究问题
文献中识别了哪些安全框架和安全要素,以提供数字健康系统中IoT网络的主动安全?

#### 2.2. 阶段2——识别相关研究
为确保对IoT网络安全、主动防御、网络安全和数字健康文献的全面覆盖,考虑了2015年至2024年间发表的研究。选择该时间段以捕捉过去十年IoT赋能数字健康技术及相关网络安全方法的演变,综述于2024年底进行。由于本研究为范围综述,考虑了更广泛的时间段以支持文献的全面映射。选择了四个主要电子数据库:Scopus、ScienceDirect、IEEE Xplore和PubMed。这些数据库基于其广泛的主题覆盖、与综述多学科范围的相关性以及对同行评审期刊和会议论文的索引而选择。文献检索使用五个预定义检索概念进行。根据每个数据库的能力调整检索语法,同时保留底层检索概念。检索概念及相应布尔表达式报告如下,以提高透明度并便于研究人员使用相同发表周期和资格标准重复检索策略。检索概念包括:“IoT网络安全性”、“IoT网络安全性框架”、“IoT in Digital Health”、“Digital health AND IoT AND Network security”、“Proactive defence AND Internet security”。表1总结了每个数据库使用预定义检索概念检索到的记录数量。检索到的记录从每个数据库导出,并根据下一节中描述的预定义资格标准进行筛选。

#### 2.3. 阶段3——选择研究
使用预定义关键词和检索查询对所选数据库进行深入检索,以识别相关研究。所有识别的研究均进行重复项筛选,并去除重复项。去除重复项后,筛选过程分为两轮。第一轮筛选,根据资格标准审查研究的标题和摘要,以确定其相关性。资格标准包括英文论文和2015年至2024年间发表的同行评审研究。第二轮筛选涉及全文审查,应用纳入和排除标准以最终确定研究列表。纳入标准包括:为IoT安全性、IoT网络或IoT安全问题与挑战而开发的现有框架;人工智能/机器学习/深度学习/神经网络在数字健康系统中用于安全的应用;针对IoT网络中安全威胁、漏洞和技术的主动防御。如引言所定义,主动指旨在在利用之前或早期阶段识别和缓解风险的方法。提出结构化安全架构或集成安全模型的研究被视为“框架论文”,而“非框架论文”指关注个别技术或安全机制的研究。当研究明确涉及医疗保健、健康物联网(IoHT)、医疗物联网(IoMT)、患者监测或相关数字健康环境时,考虑“数字健康”研究。当提出的安全框架、机制或方法适用于IoT赋能数字健康环境时,纳入一般IoT安全研究。排除标准包括:主要关注能效、设备设计、工作流管理和网络架构且无IoT安全需求的研究;主要关注IoT法规、治理或政策且无技术安全的研究;以大数据、数据分析和分析技术为中心且与IoT安全无关的研究;未包含主动安全机制、安全框架或IoT安全考虑的研究。两名审阅者筛选研究,冲突通过讨论解决。初始检索共发现995条记录,包括数据库收到的993条记录和通过其他来源识别的2份行业报告。去除重复记录(121条)后,剩余874条进行第一轮筛选。2份行业报告不符合资格标准,因此被排除。第一轮筛选(标题和摘要)后,剩余332项研究进行全文审查(第二轮),最终纳入255篇论文。图1显示了检索的PRISMA流程图,使用Microsoft Word按照PRISMA指南创建。

#### 2.4. 阶段4:数据提取
对于255项纳入研究,记录了作者、研究目标、安全框架、安全要素、安全解决方案和技术。将提取的数据分析并分类为两组。第一组包括50篇论文(表2,框架摘要),描述了提出或描述IoT安全框架的研究。第二组包括205篇论文(表3,非框架论文分类),聚焦于其余未明确呈现框架但提供关于个别安全解决方案(如方法、技术或数学模型)有价值信息的研究。由于本综述旨在映射现有文献,未对纳入研究进行批判性评估。

#### 2.5. 阶段5:整理、总结和报告结果
符合综述文章的标准结构,阶段5的发现呈现于第3节。

### 3. 结果
表2描述了发现的框架。框架定义为旨在指导IoT网络中安全解决方案设计、实施或评估的综合结构。此类框架通常提供保护IoT网络的关键组件、流程和方法。表3聚焦于未提供结构化框架但可能对解决IoT网络安全挑战的多样化方法提供重要见解的论文。以两组形式呈现结果,可以更清晰地区分总体框架解决方案和个别安全解决方案。这突出了两种来源的重要性:框架提供整体视图,而其他论文提供详细、专业的信息,对理解IoT网络安全的技术领域至关重要。从纳入的255项研究中,选择50篇框架论文进行定性分析(表2),其余205项研究按主题分类(表3),但未单独引用。表2总结了范围综述过程中发现的与IoT网络、数字健康和主动防御相关的50个框架。详细列出了年份、参考文献、所基于的框架及其焦点,按日期从最旧到最新排列。该表简明总结了框架及其各自属性,便于比较和进一步讨论。基于框架的分析对于理解用于保护IoT网络的技术、技术和数学函数至关重要。综述的“框架焦点”进一步允许识别保护IoT网络的关键领域、方面或组件。表2展示了按出版年份排序的所选研究中识别出的多样化安全框架。框架主要分为几个关键类别:基于区块链的安全通信和数据管理解决方案、用于保护资源受限IoT设备的轻量级认证和密码学解决方案、以及用于分布式数据处理和存储的云和边缘计算框架。此外,人工智能和机器学习框架常用于实时异常检测和攻击识别,而蜜罐和入侵检测与防御系统(IDPS)用于检测和缓解IoT网络中的安全事件。此外,访问控制机制和基于软件定义网络的解决方案用于保护IoT网络中的通信。表2中的框架表明IoT安全研究从轻量级认证、云和边缘安全向基于区块链的解决方案以及人工智能和机器学习安全防御策略的演变。研究[10,11,12,13,14,15]基于轻量级认证和中间件机制,针对资源受限环境,强调节点注册和安全密钥建立。这些方法计算资源需求低,但依赖静态密钥或固定协议,限制了其适应复杂或新兴攻击(如高级持续性威胁)的能力。基于区块链的安全框架[12,19,26,29,34,36,42,47,54]关注分布式信任和不可篡改账本概念,以改善安全认证、数据完整性和隐私保护。这些安全解决方案有助于克服单点故障并提高透明度,但在IoT网络中面临能源和计算资源需求的挑战。机器学习(ML)[33,37,56,57]和集成学习技术[48,58]已被用于IoT网络中主动、数据驱动的入侵检测和实时异常检测。这些模型的性能持续受到高质量数据集可用性和IoT设备异构性的挑战。基于软件定义网络(SDN)和移动目标防御(MTD)的方法[50,53]已被用于通过流量监控和系统重配置技术改善响应能力并缓解分布式拒绝服务(DDoS)攻击。虽然SDN用于提供安全性,但存在缺点:如果软件驱动控制器发生故障或对控制器进行未授权访问,整个网络将不可用[60]。此外,SDN易受拓扑中毒、侧信道和僵尸网络攻击[61,62]。轻量级密码学和混合选项[14,38,44,55,59]已被用于保护IoT网络中的数据传输和存储。然而,平衡加密强度与计算效率仍是一个挑战。表3呈现了其余205篇与框架无关的论文。该表将这些研究组织成分析过程中出现的主题组,代表与IoT网络安全相关的安全技术、功能、技术和解决方案的组合。这些研究共同提供了对保护IoT网络的广泛报告方法、研究趋势和进展的整体视图。表3中的主题组按字母顺序排列以清晰呈现。图2按安全解决方案类别展示了纳入研究的分布。图表提供了文献中识别出的安全解决方案的视觉总结,每个条形代表占总数的百分比(n=205)。图2补充了表3,并作为下一节中每个类别详细分析的参考。图2使用Microsoft Excel图表生成。总体而言,各识别类别中研究的分布表明,主动IoT安全研究集中在特定技术机制上,如基于AI的方法和基于区块链的保护,而较少研究采用更广泛的集成安全方法。这些模式表明该领域仍然碎片化,特别是在数字健康背景下。发现强调了针对数字健康系统需要全面、情境感知和主动的安全方法。根据表3,基于人工智能的方法主导了当前的IoT网络安全研究。60项研究利用人工智能(AI)、机器学习(ML)、深度学习(DL)和神经网络(NN)讨论访问控制、网络流量分析、攻击检测和实施入侵检测系统。文献大量讨论入侵检测与防御系统。各种技术,包括AI、ML、DL、NN和其他数学函数,用于分析网络流量和模式并检测异常。这突显了向数据驱动和自适应防御机制的趋势,能够识别传统安全机制无法检测的不断演变和未知攻击。23项研究利用区块链实施访问控制机制,以识别、认证和授权用户、IoT设备和无线节点,并将安全应用于使用中、传输中和存储中的数据。大多数区块链研究关注信息交换、访问和事务管理、信任、持续完整性、防篡改、溯源和数据可追溯性[26]。在IoT网络中使用区块链支持IoT设备间的透明度和问责性,但其可扩展性和在低资源环境中的适用性仍是一个挑战。发现了25篇关注网络防御的论文。作为防御概念,移动目标防御(MTD)通过不断改变攻击面增加网络复杂性[63]。MTD用于攻击预防、容忍和早期识别攻击(如DDoS攻击)。进一步的研究使用网络威胁情报、软件定义网络和MTD技术于基于云的应用,以提供主动防御机制。此外,论文关注软件安全模型、解决方案、入侵检测系统、安全评估、原型架构、风险评估、影响分析、攻击检测和一般数据安全概念。这表明对主动威胁响应和网络弹性的日益重视。数据加密和解密技术,如密码学、假名化和匿名化、基于超椭圆曲线的公钥密码系统、轻量级非对称密码学和基于格的密码学,已被用于访问控制和数据安全。云、雾和边缘技术被用于IoT网络、应用、数据传输、存储和IoT网络流量分析中的安全。此外,基于云、雾和边缘的解决方案用于控制IoT网络流量流、识别策略违规、保护IoT服务免受攻击,并通过部署基于软件的设备确保IoT的安全性和隐私。26项调查研究讨论了IoT网络和数字健康系统中与网络安全相关的不同领域。关注领域包括安全与隐私问题、安全挑战、安全需求、安全通信与路由、安全漏洞、威胁、攻击、AI与IDS、IoT中的区块链、加密与解密技术、密码学和IoT信任模型。系统文献综述研究讨论了在IoT中强制实施安全、信息安全和不同安全框架。14篇论文讨论了隐私协议设计、轻量级密钥建立和路由。软件定义网络(SDN)、安全预测、零信任和取证的研究数量相对较少,突显了未来研究的必要性。它们已被用于在IoT网络中实施IoT网关和基于策略的互联网流量监控。一项关于“零信任”的研究描述了试图防止IoT设备对局域网的高级持续性攻击(APT)[64]。该研究主要关注局域网而非IoT网络,并使用传统网络安全概念(微隔离和下一代防火墙)结合零信任概念。两项研究讨论了安全预测。安全预测指使用基于历史IoT数据和网络状态的数学模型预测IoT网络未来的安全性[65,66]。表1和表2提供了IoT网络安全各种方法的全面视图,为深入研究这些安全框架和独立安全要素在主动防御策略背景下的优势、局限性和潜在应用奠定了基础。总体而言,分析显示这些研究针对特定安全领域或攻击,而非更广泛的集成安全覆盖。

### 4. 讨论
本综述的贡献在于综合和结构化IoT赋能数字健康系统中主动网络安全方法的碎片化文献。虽然许多研究提出架构或概念性安全解决方案,但相对较少提供关于可扩展性、部署可行性或在数字健康环境中真实IoT网络上性能的证据。许多研究依赖基于模拟或测试平台的评估,限制了在资源受限设备、互操作性或遗留基础设施等约束下,提出的安全解决方案在实用IoT赋能数字健康系统中如何表现的理解。通过根据实施成熟度和验证背景对研究进行分类,本综述突显了建议框架与可部署网络安全解决方案之间的关键差距。本研究旨在识别IoT网络安全的综合方法,其中“综合”指在IoT环境中集成多个安全功能和需求。对表1和表2中研究的分析表明,大多数论文关注特定安全领域或攻击类型,而相对较少研究尝试更广泛的集成安全覆盖。基于对纳入论文的分析,一个全面的安全框架应整合广泛的安全概念。关键要素,如用于异常检测的人工智能(AI)、基于机器学习(ML)的威胁识别、反馈循环和相互关联的安全要素,可增强彼此功能并加强整体安全防御。综述期之后的最新发展进一步支持了这一趋势,混合深度学习方法被提出用于IoT生态系统中的异常检测和自适应威胁识别[67]。深入的漏洞评估、威胁建模以及这些评估到IoT架构(特别是在数字健康环境中)的系统映射,在文献中明显未充分探索。作为新兴方法,零信任安全架构在IoT网络中仍未得到充分利用。部署AI赋能、基于区块链和软件定义的安全解决方案前景广阔。每种技术提供独特优势和局限性。AI和ML方法能够进行异常检测和自适应威胁识别,但通常需要高质量数据和大量计算资源。区块链增强了数据完整性、信任和去中心化安全管理,但可扩展性、延迟和资源消耗仍然是挑战。SDN实现了灵活的网络管理和动态控制,但引入了潜在的单点故障。MTD方法增加了攻击者侦察的难度,但可能引入实施复杂性。总体而言,与计算需求、可扩展性和互操作性相关的挑战仍然显著,特别是在数字健康环境中。此外,由于IoT赋能数字健康系统中的遗留系统、资源受限设备、多样化设备和监管要求,实施可能面临挑战。由于IoT设备的异构性,应用传统安全措施具有挑战性且不直接。IoT网络根据应用使用不同的通信协议和连接方法,使得单一安全解决方案不够充分。与许多一般IoT应用不同,数字健康环境中的网络安全事件可能直接影响患者安全、护理连续性和医疗服务的可用性。这些特征增加了在IoT赋能数字健康系统中实施和验证主动网络安全解决方案的复杂性。因此,将一般IoT安全解决方案直接转化为数字健康环境并不总是直接了当,需要考虑到医疗保健特定的操作、监管和患者安全要求。在未采取全面安全措施的情况下部署IoT网络可能导致不安全的IoT网络,这可能使更广泛的医疗基础设施面临高风险,并允许攻击者利用弱点获取关键系统访问权限。因此,IoT网络安全框架必须稳健,能够应对不断演变的威胁,并最小化对更大网络的安全风险。本综述的发现可作为为IoT赋能数字健康系统开发统一和主动防御安全框架的基础。识别出的安全要素和研究空白为未来研究提供了关键基础,旨在开发针对IoT赋能数字健康系统的集成、多层主动安全框架。通过利用识别和整理的安全要素并解决空白,此类框架可以提供更广泛、更集成的安全保护,同时保持对IoT环境多样性和不断演变性质的适应性。在本综述范围内,发现回答了指导本研究的研究问题。多项研究提出了针对IoT网络和数字健康系统的安全框架。然而,这些框架通常处理特定安全领域或提供对更广泛数字健康安全需求的部分覆盖。此外,真实世界部署和验证的证据有限。综述还识别了与主动IoT网络安全相关的广泛安全技术、功能、技术和解决方案。这些研究共同提供了对保护IoT网络的广泛报告方法、研究趋势和进展的整体视图,并强调了在数字健康背景下整合多个安全要素以加强主动防御的重要性。识别出的研究空白建议了未来工作的几个方向。未来研究应侧重于开发和评估集成安全框架,并在真实数字健康环境中进行验证。此外,应更加关注数字健康环境中的威胁建模、漏洞评估、数字取证、零信任架构以及评估指标的开发。进一步,未来研究应调查应对复杂数字健康环境中实际实施挑战(如遗留系统、资源受限设备、多样化设备和监管要求)的部署策略。本范围综述有若干局限性。首先,综述限于2015年至2024年间的英文同行评审研究,可能排除了其他语言或选定时间段之外的相关研究。第二,检索了四个主要数据库,可能未收录其他来源发表的相关研究。第三,未进行正式评估,未评估纳入研究的质量。此外,综述协议未前瞻性注册。综述遵循了预定义方法,并遵守PRISMA-ScR报告指南,以促进透明度、方法学严谨性和可重复性,同时减少报告偏倚的可能性。此外,本综述主要关注IoT赋能数字健康系统中的技术安全要素和主动网络安全方法。监管、伦理和治理方面被认可为数字健康系统安全的重要组成部分,但未详细审查,因为综述的主要目的是映射技术安全。未来研究应整合监管、伦理和治理视角以支持数字健康安全框架。此外,未来研究应调查评估IoT安全框架的指标、互操作性挑战以及零信任架构在数字健康环境中的集成。总体而言,本综述提供了对数字健康系统中主动IoT网络安全关键安全要素的结构化理解,为开发更集成和主动的IoT赋能数字健康系统安全框架提供了指导。

### 5. 结论
本范围综述综合了255项研究,包括50篇框架论文和205篇非框架研究,这些研究考察了与数字健康系统相关的IoT网络安全框架、安全要素、技术、功能、技术和解决方案。分析将框架分类为“框架基础”和“框架焦点”,突出了更广泛的安全方法和个别安全解决方案,提供了对保护IoT网络至关重要的技术、技术和安全组件的详细理解。发现表明,当前研究由人工智能和机器学习方法、区块链技术以及入侵检测与防御系统主导,而相对较少关注零信任架构和数字取证等领域。本综述强调了在IoT赋能数字健康系统中,持续需要广泛、结构化的安全框架和专门的技术方法,以应对不断演变的安全挑战。尽管许多研究提出了概念性和架构性安全解决方案,但相对较少在数字健康环境中展示真实世界部署和验证。发现还强调了技术不可知和供应商中立的安全框架的重要性,使IoT安全实施者能够根据特定操作和医疗用例要求调整安全要素。虽然本综述主要关注技术安全要素,但监管、伦理和治理考虑仍然是未来研究的重要领域。通过识别当前安全方法、研究趋势和新兴方向,本研究提供了现有知识的结构化综合,并支持未来研究开发更集成、情境感知和主动验证的IoT安全框架,用于数字健康系统。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号