《Internet of Things》：Explainable Machine Learning-Based Security and Privacy Protection Framework for Internet of Medical Things Systems
编辑推荐：
摘要医疗物联网（IoMT）打破了传统医疗领域的界限，实现了从被动治疗向主动预防的转变。这一创新方法通过实现疾病的早期检测和个性化护理，彻底改变了医疗保健领域，尤其是在慢性病管理方面，IoMT能够根据实时收集的健康数据自动调整治疗方案。然而，由于处理数据的敏感性和高价值性，该技术面
摘要
医疗物联网（IoMT）打破了传统医疗领域的界限，实现了从被动治疗向主动预防的转变。这一创新方法通过实现疾病的早期检测和个性化护理，彻底改变了医疗保健领域，尤其是在慢性病管理方面，IoMT能够根据实时收集的健康数据自动调整治疗方案。然而，由于处理数据的敏感性和高价值性，该技术面临着严重的安全挑战，这些挑战可能危及用户生命，同时也会吸引恶意分子的关注。此外，依赖无线通信进行数据传输还会使医疗数据面临被网络犯罪分子截获和篡改的风险。再者，人为错误、网络干扰或硬件故障也可能导致异常情况出现。在此背景下，基于机器学习（ML）的异常检测是一种可行的解决方案，但在可解释性和隐私保护方面存在诸多难题。为应对这些挑战，本文提出了一种新的入侵检测系统（IDS）框架，该框架利用人工神经网络（ANN）进行入侵检测，同时借助联邦学习（FL）来保护隐私。此外，还采用了可解释人工智能（XAI）技术以提高模型的可解释性。通过多个包含网络数据和医疗数据的数据集，模拟了影响医疗和生理数据保密性、完整性和可用性的各种攻击类型，对所提框架的有效性进行了评估，并与集中式方法进行了比较。实验结果表明，联邦学习方法的表现与集中式方法相当，且具有保障隐私和提供模型解释的双重优势，同时符合伦理原则。
章节节选
引言
物联网是一种通过在物体上安装传感器来收集数据，从而革新信息科学领域的技术。它能够随时随地获取信息，因此被广泛应用于各个行业，其中包括被称为医疗物联网的医疗领域。配备了传感器和执行器的医疗设备可以持续、远程且实时地收集生理数据，如血糖水平、体温和心率等。
背景与相关研究
本节将详细阐述IDS、ML、FL和XAI的基本概念，为后续内容提供全面的背景知识。这些概念在图1中以可视化形式呈现。随后，下一节将探讨基于ML的用于IoMT系统异常检测的相关安全解决方案，旨在比较不同方法并找出现有研究的不足之处。所有已分析的解决方案的详细总结见表2。
所提IDS模型的方法论
本节首先介绍用于构建所提框架的IoMT系统，然后概述FL流程，该流程包括在终端设备层面进行本地训练以及在服务器层面进行数据聚合。接着，还将详细介绍所采用的XAI方法。该框架的目标是确保数据收集、传输和处理过程的安全性，尊重数据隐私，并符合医疗领域的国际标准。
实验设置与结果
本节将从多个角度对所提框架进行评估，所用数据集包括[53]中的多种数据集。首先分析FL参数变化对性能的影响，然后选择能带来最佳结果的参数与集中式方法进行比较。随后，利用SHAP技术对所提框架的检测结果进行解释和分析。最后，会对实验结果进行全面讨论。
与现有研究的比较
所提出的方法通过结合注重隐私保护的联邦学习、XAI技术，以及在模拟分布式医疗基础设施的实际运行条件下的全面评估，提升了现有IoMT环境下的入侵检测解决方案的性能。这些特点的对比总结见表6。与许多仅依赖单一基准数据集或仅关注网络流量或医疗数据的现有研究不同，所提框架具有更强的优势。
讨论
所提出的IoMT系统入侵检测框架基于深度学习进行异常检测，利用联邦学习进行模型训练和隐私保护，同时借助XAI技术提升模型的可解释性。与现有研究相比，这种独特的方法使得我们的工作更具优势。基于深度学习的入侵检测机制能够高效地识别可能威胁数据完整性、保密性和可用性的网络或主机攻击。
结论
总之，本研究提出了一种基于人工神经网络，并结合联邦学习和XAI技术的IDS框架。这些组件的协同作用增强了IoMT环境中的攻击检测能力，同时注重数据隐私，确保模型的可解释性。该IDS架构充分利用了联邦学习的优势，实现了模型的协同训练，同时保护了敏感数据的保密性，有效解决了医疗领域普遍存在的隐私问题。
CRediT作者贡献说明
Ayoub Si-ahmed：撰写——初稿、方法论、研究实施。Mohammed Ali Al-Garadi：撰写——审稿与编辑、指导、项目管理、方法论。Narhimene Boustia：撰写——审稿与编辑、指导、资源协调、项目管理。
利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。
Ayoub Si-ahmed|Mohammed Ali Al-Garadi|Narhimene Boustia
Laboratoire LRDSI/SIIR, Blida 1 University, PROXYLAN SPA/Subsidiary of CERIST, Algeria
