医療IoTにおけるMQTT侵入検知のための注意機構付き深層学習モデル
Attention-enhanced deep learning model for MQTT intrusion detection in internet of medical things
医療IoT(IoMT)におけるMQTTプロトコルの利用増加に伴い、効率的な侵入検知システム(IDS)への需要が高まっている。本研究では、1次元畳み込みニューラルネットワーク(CNN)とマルチヘッド自己注意機構(MHSA)を組み合わせたハイブリッド深層学習アーキテクチャ(CNN-MHSA)を用いたプロトコル固有のIDSを提案する。このアーキテクチャは、畳み込み特徴抽出モジュールがローカルトラフィック特徴を抽出し、マルチヘッド自己注意機構が長距離の特徴相関を捉える。提案手法はCICIoMT2024データセットで評価され、MQTT攻撃シナリオ(DoS-Connect Flood、DDoS-Connect Flood、DoS-Publish Flood、DDoS-Publish Flood、Malformed Dataの5種類を単一の攻撃クラスとして正常トラフィックと比較)に焦点を当てた二項分類問題として扱われた。テスト結果は、提案手法で精度99.40%、F1スコア99.52%、AUC 0.9998を示した。このCNN-MHSAフレームワークは、安全なヘルスケア通信のための堅牢なベンチマークを提供し、IoMTネットワークにおけるMQTT脅威を特定できることが示唆された。
- 1次元CNNとマルチヘッド自己注意機構(MHSA)を組み合わせたハイブリッド深層学習アーキテクチャCNN-MHSAによる、MQTTプロトコル固有の医療IoT向けIDSを提案
- CICIoMT2024データセットで評価し、MQTT攻撃シナリオ5種類(DoS/DDoSのConnect Flood・Publish Flood、Malformed Data)を正常トラフィックと比較する二項分類で精度99.40%、F1スコア99.52%、AUC 0.9998を達成
医療IoT(IoMT)向けMQTTの侵入検知を、1次元CNNとマルチヘッド自己注意機構を組み合わせたCNN-MHSAで高精度(99.40%)に実現した研究。ただし現時点ではCICIoMT2024という単一の公開データセットでの二項分類評価にとどまり、商用製品化や導入企業、調達の動きは示されていない。セキュリティ分野のAI応用研究として技術トレンドの把握には有用だが、具体的な投資対象・事業インパクトに直結する情報は乏しく、実運用環境での検証や製品化の発表を待って判断すべき段階。