헬스케어에서 IoT를 위한 기계 학습 암호화 방법

초록 배경 헬스케어에서 사물인터넷(IoT)의 적용 증가로 인해 환자 데이터의 보안과 프라이버시에 대한 우려가 커지고 있다. 경량 암호화(LWC) 알고리즘은 이러한 우려를 해결하기 위한 잠재적인 해결책으로 볼 수 있다. LWC의 높은 변동성으로 인해 이 연구의 주요 목표는 IoT 장치에서 민감한 환자 정보를 안전하게 보호할 수 있는 적합하고 효과적인 알고리즘을 식별하는 것이었다. 방법 이 연구는 머신 러닝 모델을 사용하여 AES, PRESENT, MSEA, LEA, XTEA, SIMON, PRINCE 및 RECTANGLE의 여덟 가지 LWC 알고리즘의 성능을 평가하였다. 실험은 Raspberry Pi 3 마이크로컨트롤러에서 16 KB에서 2048 KB 파일을 사용하여 수행되었다. 각 LWC 알고리즘에 대해 머신 러닝 모델을 훈련하고 테스트하였으며, 그 성능은 정밀도, 재현율, F1 점수 및 정확도 지표를 기반으로 평가되었다. 결과 이 연구는 여덟 가지 LWC 알고리즘의 암호화/복호화 실행 시간, 에너지 소비, 메모리 사용량 및 처리량을 분석하였다. RECTANGLE 알고리즘은 속도, 효율성, 단순성 및 유연성으로 인해 헬스케어에서 IoT를 위한 가장 적합하고 효율적인 LWC 알고리즘으로 식별되었다. 결론 이 연구는 IoT 헬스케어의 보안 및 프라이버시 문제를 다루며 SLR 연구 방법론을 활용하여 LWC 알고리즘의 주요 성능 요소를 식별한다. 또한, 이 연구는 IoT 헬스케어 환경에서 프라이버시와 보안을 향상시키기 위한 LWC 알고리즘의 최적 선택에 대한 통찰을 제공한다.