Classificadores de Aprendizado de Máquina para Segurança em Dispositivos Médicos Conectados

Dispositivos médicos equipados com conectividade sem fio e recursos de monitoramento remoto estão cada vez mais se conectando uns aos outros, a um programador externo e até mesmo à Internet. Embora a tecnologia da Internet das Coisas permita que profissionais de saúde ajustem ou modifiquem configurações de dispositivos médicos sem procedimentos invasivos, isso também abre grandes superfícies de ataque e introduz potenciais vulnerabilidades de segurança. Hackeamentos de dispositivos médicos estão lentamente se tornando uma realidade e se torna mais crítico do que nunca defender e proteger esses dispositivos contra ataques de segurança. Neste artigo, avaliamos a viabilidade do uso de modelos de aprendizado de máquina para determinar de forma eficiente ataques direcionados a um dispositivo médico. Especificamente, desenvolvemos conjuntos de recursos para perfilar com precisão um dispositivo médico e observar qualquer desvio de seu comportamento normal. Testamos nosso método usando diferentes algoritmos de aprendizado de máquina e fornecemos uma análise comparativa dos resultados de detecção.