生物科学门户网站
BIO1000.COM

本古里安大学研究人员提出的防止影像网络威胁的新技术

以色列BEER-SHEVA,2020年8月25日-内盖夫本古里安大学的研究人员开发了一种新的人工智能技术,该技术将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。

BGU研究人员汤姆·马勒(Tom Mahler)将于8月26日在2020年国际医学人工智能大会(AIME 2020)上发表他的研究“用于保护医疗设备免受异常指令的双层架构”。Mahler是一名博士学位。在BGU教授监督下的候选人。BGU软件和信息系统工程系(SISE)的Yuval Elovici和Yuval Shahar教授。

复杂的医疗设备,例如CT(计算机断层扫描),MRI(磁共振成像)和超声波机器,均由主机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。由于网络攻击,人为错误(例如技术人员的配置错误或主机PC软件错误),可能会发生威胁。

作为他的博士学位的一部分通过研究,马勒开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结构来保护医疗设备免受异常指令的影响,”马勒说。“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,但是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,或者与患者的年龄,体重或潜在诊断不匹配。

“例如,如果对婴儿使用常规的成人指令,可能会很危险。如果仅使用第一层CF,则此类指令可能会被误分类;但是,通过添加第二层CS,它们可能会被误分类。现在可以被检测到。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。