Aquí en Connected World, hemos estado cubierta Varios avances médicos e investigación que ocurren en los sistemas de la universidad y la salud. A primera vista, todo es muy emocionante, abriendo nuevas oportunidades para mejorar la atención al paciente en los niveles. Pero como todos los avances, todavía hay crecientes preocupaciones sobre la seguridad de los datos que aún no se han abordado por completo.
La mayor pregunta del día es: ¿son seguros los dispositivos médicos? Ciertamente, con todos los malos actores del mundo no hay forma de decir con confianza que nuestros dispositivos médicos y nuestros sistemas tienen la capacidad de defenderse de los ataques nefastos. Todos los datos están en riesgo de una violación masiva. De hecho, el 98% de los hospitales y los sistemas de salud analizados han experimentado violaciones de datos. Y el 65% de ellos sucedieron más recientemente. Los datos cuentan una historia muy convincente. El Índice digital de negocios Examina la salud de la ciberseguridad de las organizaciones en todo el mundo, y califica las organizaciones mundiales en función de sus medidas de seguridad en línea.
Como resultado, en este análisis, encontró que el 45% de los sistemas de salud están en la categoría de alto riesgo (puntaje D, como lo que ha sido la puntuación de infraestructura de ASCE durante años) y el 34% están en la categoría de riesgo crítico (puntaje F). Estas organizaciones a menudo se enfrentan a serios desafíos de seguridad, como la configuración de la capa de enchufes seguros del sistema, las infracciones de datos y los problemas de alojamiento de sistemas. Solo el 5% recibió una puntuación A o bajo riesgo.
Aquí está la triste realidad de la situación. En 2024, las infracciones de datos de atención médica alcanzaron un máximo histórico, con 276,775,457 registros comprometidos, un aumento del 64.1% con respecto al récord del año anterior y equivalente al 81.38% de la población de los Estados Unidos. Eso significa que sus datos personales se están enviando a la Web Dark para la suposición de cualquiera. Y si los malos no están usando sus datos ahora, ¿cuándo?
¿Qué se puede hacer?
Todos sabemos que asegurar la información médica es un poderoso desafío con el que la industria de la salud está luchando hoy, como son muchos otros mercados verticales. El delito cibernético está creciendo en un clip rápido, y las organizaciones deben dar un paso adelante y prepararse para lo que viene después.
Es por eso que siempre es emocionante leer nuevas investigaciones que puedan frustrar los desafíos potenciales y superar las probabilidades específicamente en esta área. Considere lo que está pasando en Universidad de Dongguk y Universidad Estatal de Oregon. Los investigadores aquí reconocen el valor que pueden aportar gemelos digitales médicos, como ayudar a predecir enfermedades a través de modelos virtuales del cuerpo humano. Estos académicos también reconocen que estos gemelos digitales son vulnerables a los ataques cibernéticos que pueden manipular datos y conducir a diagnósticos incorrectos, frustrando todos los buenos esfuerzos traídos por la tecnología.
Como tal, un equipo de investigación de la Universidad de Dongguk, la República de Corea, y la Universidad Estatal de Oregon, Corvallis, Oregon, creó un nuevo sistema: el sistema de defensa de capacitación adversaria basada en wavelet (WBAD). El enfoque se puso a disposición en línea en octubre de 2024.
Este sistema se probó en un modelo de diagnóstico de cáncer de mama y restauró la precisión al 98% contra los ataques. Esto significa que los expertos pudieron hacer gemelos digitales médicos más seguros y confiables para aplicaciones de atención médica.
Para contrarrestar las amenazas cuando probó el modelo de diagnóstico de cáncer de mama, los investigadores introdujeron un mecanismo de defensa de dos capas. La primera capa, Wavelet Denoising, se aplica durante la etapa de preprocesamiento de la imagen. Los ataques adversos generalmente introducen el ruido de alta frecuencia en los datos de entrada para engañar al modelo. Wavelet Denoising aplica un umbral suave para eliminar este ruido mientras preserva las características de baja frecuencia de la imagen.
Para mejorar aún más la resiliencia del modelo, los investigadores agregaron un paso de entrenamiento adversario, que entrena el modelo de aprendizaje automático para reconocer y resistir las entradas adversas. Esta estrategia de defensa de dos pasos resultó muy efectiva, con el modelo alcanzando una precisión del 98% contra los ataques FGSM, el 93% contra los ataques PGD y el 90% contra los ataques de C&W.
¿Cuántas veces he enfatizado este hecho tan importante? Los chicos malos se están volviendo inteligentes, pero también debemos ser más inteligentes. Debemos identificar formas de proteger nuestros dispositivos, especialmente en industrias críticas como la atención médica. Me alienta a ver la investigación universitaria para mejorar la seguridad y la precisión de nuestros dispositivos. ¿Qué estás viendo ahí fuera?
¿Quieres tuitear sobre este artículo? Use hashtags #iot #sustainability #ai #5g #cloud #Edge #FutureOfWork #DigitalTransformation #Healthcare #medical #SeCurity #CyBersecurity
El post Cómo asegurar dispositivos médicos Primero apareció en Mundo conectado.
