保障智能醫療安全：基於深度學習的IoMT入侵檢測

摘要

隨著醫療物聯網（IoMT）的指數級增長，醫療系統日益面臨多種網絡威脅，這些威脅可能危及患者安全、數據隱私和運營完整性。傳統安全機制往往難以識別複雜或新型攻擊模式。為此，我們提出一種基於深度學習的入侵檢測系統（IDS），利用卷積神經網絡（CNN）和循環神經網絡（RNN）檢測IoMT網絡流量中的惡意活動。該系統使用模擬真實IoMT環境的CICIoMT2024數據集進行評估，並開展三個層次的分類：二分類（攻擊vs正常）、6分類（攻擊類別級）和19分類（具體攻擊類型）。每個模型均通過準確率、精確率、召回率和F1值等性能指標進行評估。結果表明，CNN在所有分類任務中持續優於RNN，尤其在二分類和類別級分類中表現出更高的準確性與魯棒性。本研究驗證了深度學習模型在增強IoMT網絡安全方面的有效性，併為醫療基礎設施中部署智能實時IDS解決方案提供了實用框架。