بررسی روش های تشخیص تهدیدات سایبری برای بهبود امنیت و قابلیت اطمینان تعاملات در بستر اینترنت اشیاء پزشکی

اینترنت اشیاء پزشکی (IoMT) به عنوان یکی از فناوری های کلیدی حوزه سلامت دیجیتال، نقش مهمی در پایش و تبادل داده های پزشکی ایفا می کند. با وجود مزایای گسترده، افزایش سطح حملات سایبری، امنیت و قابلیت اطمینان این سامانه ها را با چالش مواجه کرده است. این مقاله به مرور و تحلیل روش های مختلف تشخیص نفوذ و حملات سایبری در IoMT شامل یادگیری ماشین، یادگیری عمیق و روش های ترکیبی می پردازد. نتایج بررسی ها نشان می دهد که مدل های یادگیری عمیق دقت بالایی دارند، در حالی که روش های کلاسیک از نظر پیچیدگی محاسباتی کاراتر هستند. همچنین استفاده از تکنیک های بهینه سازی و پیش پردازش داده نقش مهمی در بهبود عملکرد دارد. با این حال، چالش هایی مانند محدودیت منابع، عدم شفافیت مدل ها و تشخیص حملات ناشناخته همچنان وجود دارد. این مقاله با ارائه یک دسته بندی نظام مند و تحلیل انتقادی روش ها، شکاف های پژوهشی موجود را شناسایی کرده و مسیرهایی برای توسعه چارچوب های سبک وزن و قابل اعتماد در IoMT پیشنهاد می دهد.

کلیدواژه ها:

اینترنت اشیاء پزشکی ، امنیت سایبری ، تشخیص نفوذ ، یادگیری ماشین ، قابلیت اطمینان