研究人员开发了AI技术来保护医疗设备免受异常指令的影响

内盖夫本古里安大学的研究人员开发了一种新的AI技术,该技术可以保护医疗设备免受网络攻击中的恶意操作指令以及其他人为和系统错误的影响。

AI保护医疗设备

复杂的医疗设备,例如 电脑断层扫描 (CT检查), 核磁共振 (磁共振成像)和 超声波机 由主机PC发送的指令控制。

异常或异常的说明会给患者带来许多潜在的有害威胁,例如辐射过度暴露,设备组件的操纵或医学图像的功能操纵。威胁可能由于网络攻击,人为错误(例如技术人员)而发生’的配置错误或主机PC软件错误。

双层架构:AI技术保护医疗设备

作为他的博士学位的一部分研究, BGU 研究员 汤姆·马勒 研发了一种使用人工智能的技术,该技术使用新的体系结构来分析从PC发送到物理组件的指令,以检测异常指令。

“我们开发了一种双层体系结构,用于保护医疗设备免受异常指令的影响,” Mahler says.

“该体系结构着重于检测两种类型的异常指令:(1)上下文无关(CF)异常指令,它们是不太可能出现的值或指令,例如发出比普通辐射多100倍的辐射;以及(2)上下文相关(CS)异常指令,它们是指令参数的正常值或值的组合,但相对于特定上下文被认为是异常的,例如与预期的扫描类型不匹配或与患者不匹配’的年龄,体重或潜在诊断。

“例如,如果对婴儿进行常规的成人指导,可能会很危险。仅使用第一层CF时,此类指令可能会分类错误;但是,通过添加第二个CS层,现在可以检测到它们。”

改善异常检测性能

研究团队使用8,277条记录的CT指令在CT域中评估了新架构,并使用14种不同的无监督异常检测算法对CF层进行了评估。然后,他们针对每种环境使用五种监督分类算法,针对四种不同类型的临床目标环境评估了CS层。

将第二个CS层添加到体系结构中,将总体异常检测性能从仅使用CF层的F1分数从71.6%提高到82%到99%之间,具体取决于临床目标或身体部位。

此外,CS层还可以使用设备的语义来检测CS异常’s的过程,是仅使用CF层无法检测到的异常类型。

分享这个