ヘルスケアIoTシステム向けポスト量子検証自己修復フレームワーク:深層異常検知、重症度推定、リスク認識型信頼チェックポイントへのロールバック
A post-quantum verified self-healing framework for healthcare IoT systems: deep anomaly detection, severity estimation and risk-aware rollback to trusted checkpoints
本研究は、ヘルスケアIoTシステムをサイバー攻撃から保護するため、深層学習を用いた効率的な異常検知と、ポスト量子検証(ML-DSA/CRYSTALS-Dilithium)による過去の安全なチェックポイントへのロールバックを提案する。提案手法は、深層異常検知と攻撃重症度分析を行う第一層、および多因子評価に基づきポリシー駆動型の安全なロールバックポイントを選択するポスト量子検証を行う第二層からなる二層アーキテクチャを採用する。チェックポイント選択には強化学習ベースのフレームワークが用いられ、Qスコアが最も高いチェックポイントが選択される。WUSTL EHMS 2020およびCIC IoMT 2024の2つの主要なHIoTネットワークデータセットで実装・評価された結果、提案モデルは平均で攻撃確率59.23%、信頼度94.00%、異常スコア5.61%、重症度69.50%、回復時間26.61 ns、信頼スコア75.86%、稼働率98.37%、ロールバック品質72.93%、検証レイテンシ11.28 ns、F1スコア98.37%、リコール98.28%、精度98.4%、偽陽性率0.045%といった高い全体性能を示した。攻撃の重症度分析に基づき、マイクロ、ミディアム、または完全なロールバックといった適切な回復方法を提案し、ポスト量子検証と統合信頼スコア計算により、最近で信頼性の高いチェックポイントを選択することで、システム稼働率を向上させる。
- ヘルスケアIoT向けにポスト量子検証(ML-DSA/CRYSTALS-Dilithium)と深層異常検知を組み合わせた二層アーキテクチャのフレームワークを提案
- WUSTL EHMS 2020およびCIC IoMT 2024の2つのデータセットで評価し、F1スコア98.37%、リコール98.28%、精度98.4%、偽陽性率0.045%を達成
- 強化学習ベースのチェックポイント選択によりQスコアが最も高い安全なロールバックポイントを選択し、稼働率98.37%を達成
ヘルスケアIoTのセキュリティ強化を目指す研究であり、ポスト量子暗号(ML-DSA/CRYSTALS-Dilithium)と深層異常検知を組み合わせた二層アーキテクチャを提案している。研究段階の学術的成果であり、特定企業の製品化や調達・販売などの具体的な事業事象には至っていないが、医療セキュリティとPQCの融合という分野動向として投資家の注視に値する。