文摘

有一个巨大的转变在传统医疗体系的成规specialist-centric方法方法采用现代和智能医疗解决方案构建一个智能医疗系统。它允许病人直接与远程诊断的专家分享他们的医疗数据,无需人工干预。此外,远程监控病人的利用可穿戴传感器、物联网(物联网)技术,人工智能(AI)治疗易接近的和负担得起的。不过,发展也带来了一些安全与隐私问题,差操纵的有效性能的智能医疗系统。攻击者可以利用物联网基础设施,执行一个敌对的攻击AI模型和扩散在智能医疗系统资源耗尽攻击。为了克服上述问题,在这个调查中,我们广泛地查阅和创建一个全面的分类等各种智能医疗技术的可穿戴设备、数字医疗、和身体区域网络(禁止),连同他们的安全方面,智能医疗系统解决方案。此外,我们提出一种基于ai与6 g网络接口架构,以确保病人和医护人员之间的数据交换。我们建议的体系结构研究与案例研究基于COVID-19流行采用无人机(uav)的数据交换。建议的体系结构的性能评估使用各种机器学习(ML)分类算法如随机森林(RF),朴素贝叶斯(NB),逻辑回归(LR),线性判别分析(LDA),和感知器。RF分类算法优于传统算法的准确性,即。,98%。 Finally, we present open issues and research challenges associated with smart healthcare technologies.

1。介绍

在过去的十年里,医疗行业发生了大幅改善治疗过程和方法。它主要由医疗专业人员,医疗设备、实验室等,为患者提供适当的医疗设施(1,2]。在传统的医疗体系中,患者出现身体与医生的治疗(3]。但是,估计在4),它正在挑战传统的医疗系统监控大量慢性疾病患者。特别是,近似研究[4),随着人口的增加,老年人会最影响严重的疾病在未来20年。因此,他们必须定期或满足医生完成检查,涉及高成本的耐力医学治疗。预测从2017年到2027年,医疗保健的成本在美国也将见证一个巨大的增长从17.9%到19.4%的国内生产总值5]。因此,医疗系统监控病人处理大量的慢性疾病患者,使治疗负担得起的和方便的。否则,由于延误治疗或成本问题,病人可能得不到所需的治疗他们的疾病1- - - - - -6]。

因此,传统的医疗系统是逐步数字化智能医疗系统与物联网的发展(物联网),智能设备,和新兴信息技术(IT) (7]。一个智能医疗系统中帮助医生远程监控病人。正如前面提到的,病人必须满足或预约和医生根据病情定期交流。很难对一个人有身体残疾依靠别人完成体检的医生。因此,智能医疗系统帮助跟踪病人的健康与疾病的早期识别,减少旅游,降低医院的成本,减轻医护人员的负担,等等,在新兴技术的帮助下(8]。根据(9)、智能医疗可以被定义为病人和医生之间的交流定期监测病人的健康。智能医疗系统可以观察到病人的健康在远处两个原则基础上使用各种技术和智能设备。这样的一个原则是使用便携式植入式设备(WID)结合传感器、物联网以及人工智能(AI)可用于病人的身体症状或特征进行无线通信(9]。现在,医生们利用无线传感器网络身体如无线区域网络(WBAN)监测病人的健康和提供可靠和有效的治疗8,10]。

另一个原则可以利用先进的技术,如物联网、云计算、大数据处理和提取过滤后的数据对病人的健康和疾病症状的帮助下从WID WBAN [11]。这些数据可以进一步传播卫生保健专业人员或员工相应监测病人的健康。例如,如果一个病人患了不治之症,他们可以立即住院通知员工的情况。但是,如果病人可以通过向他们提供一些远程治疗处方,那么它也可以减少医务人员的负担和减少病人旅行成本,导致减少他们的总成本12]。

因此,智能医疗和其先进技术完全数字化的传统医疗行业,医疗保健专业人员可以跟踪病人的身体症状治疗相应的疾病。许多研究人员调查了各种智能医疗技术使用不同的可穿戴传感器和设备。例如,Balakrishnan [13]提供了一个简短的调查IoT-based框架来监测病人的健康使用边缘或雾计算智能医疗技术。Sadawi et al。14)物联网和blockchain-based架构上进行了一项调查,以确保系统的安全与效率使用露水和朵云计算。主要专注于提供隐私和卫生保健或供应链管理部门效率(15,16]。

之后,董和姚17)也提供了一个广泛的控制和防止COVID-19 IoT-based调查结合fog-cloud平台。他们回顾了各种技术,如人工智能、大数据和雾计算防止COVID-19的效果。作者在18)提供一个全面的调查基于机器学习大数据分析物联网智能医疗系统来克服传统医疗体系的挑战。索班等。19]还调查了机器学习技术与各种传感器及其集成技术远程监控病人是否患有心脏或损坏的疾病。

现在,大多数研究人员提出的体系结构来克服智能医疗系统的安全和隐私问题为远程病人监测。但是,他们没有讨论了延迟和各种安全攻击的调查,如修改攻击,完整性的攻击,篡改数据,DDoS攻击,单点故障,可以发生在传输数据的病人的健康医疗保健专业人士和他们的私人信息。因此,一个基于ai的架构与6 g通信网络提出了集成智能医疗技术来缓解上述问题。我们已经进行了一个全面的调查等智能医疗技术可穿戴设备,身体区域网络,可以远程监控病人的数字医疗系统。我们已经介绍了一个基于ai的架构使安全、高效和可靠的处理使用RF病人的健康数据分类方法。整合6 g通信网络特性的低延迟和高可用性确保高效和可靠的病人和医生之间的交流。这有助于把病人的健康医疗人员所需的信息给他们相应的处方。

图1介绍了科技革命在智能医疗技术,从2001年开始第一次执行远程手术。之后,介绍了几种技术在智能医疗、远程医疗的出现和人工智能在2020年和2021年。在未来,智能医疗技术的进步可以引入虚拟医疗中心的协助机器人远程监控病人。

1.1。调查的范围

智能可穿戴技术需要不断观察人体的活动。禁止人体运动检测系统的组成,身体传感器,监测设备和传感器网络提出了人类活动及其挑战在20.]。远程IoT-driven病人健康监测系统需要在紧急的时期。在这方面,谢赫et al。21使用物联网]提出了几个医疗策略和挑战。医疗数据是复杂的和分析大数据的预测需要的结果是更加困难。Saranya和亚莎22]讨论了各种机器学习算法用于大数据分析、大数据分析的重要性在医疗和大数据的特征特性。

云的事情(床)旨在提供随需应变的方式广泛的计算包括物联网功能。马哈茂德·et al。23]调查床架构和他们的应用程序在医疗和强调节能解决方案,服务质量和性能的考虑。E-healthcare、U-healthcare、无线健康检查,等等,不同的医疗技术应用于物联网。Diwaker et al。24)关注相同的医疗应用程序以及安全和隐私的方法。多通道数据驱动的方法一直是动力智能医疗系统各种应用程序从疾病预测诊断和治疗。Cai et al。25)提出了类型的决策过程,关联挖掘多通道,多通道数据融合在医疗保健系统。

移动健康设备发挥重要作用在医生和病人之间交换数据。所以,区块链技术提出了26)使用共识保护数据算法和智能合约提供设计attack-free安全模型。Cyber-Physical系统(CPS)有不同的应用程序在医疗,阿明et al。27]提出的调查先进的监测和药物摄入量以及申请挑战安全、系统可用性、异构数据管理、和能源消耗。环境敏感特性处理用户的上下文信息基于当前的情况。由于它的重要性,Vahdat-Nejad et al。28]分类几个环境敏感医疗系统以及它们的先进技术和缺点。雾计算旨在提供服务以更少的延迟和高数据安全性。Shakir和Karimpour29日)提出了各种雾计算平台执行负载平衡的智能医疗应用程序。

使用深度学习算法识别病人的情绪有助于建立有效的医疗监测系统。Dhuheir et al。30.)提出了一个神经网络医疗监测系统使用语音、面部和视听情感识别。杨et al。31日)综述IoT-enabled移动医疗技术详细研究智能健康监测系统和传感器设备类型以及物联网使用。Kadu和辛格32]调查e-Healthcare远程医疗系统基于物联网的医疗(IoMT)和人工智能,促进管理信息创造显著改善在全球卫生领域,尤其是远程医疗。Balakrishnan [13)提出了一个调查IoT-based智能医疗的框架。他们研究了云计算和物联网的混合模型设计和人工智能用于可穿戴传感器网络和实时应用程序,提供早期医疗设计最近雾计算智能医疗框架(33]。Zhang et al。34)提供安全和隐私风险的综合分析,利用区块链应用医疗需求和解决方案。

表1显示了比较分析各种最先进的智能医疗调查提出的调查。所有这些研究人员的调查不包括病人的健康数据的安全和隐私问题在智能医疗系统。为了填补这一空缺,我们提出了一个详尽的调查在智能医疗技术,包括可穿戴设备,禁止,数字医疗系统。提出了一个基于ai的架构来保护病人的隐私数据,同时传送到医务人员的处方或治疗。

1.2。动机

(我)根据文献,大多数研究人员调查了远程监控的智能医疗技术的病人,但是他们并没有考虑所有的智能技术,包括可穿戴设备、身体区域网络,数字医疗保健(2)现有文献主要强调使用智能监控病人医疗物联网和云计算等技术在智能医疗、容易受到延迟,可靠性和各种安全攻击。也没有讨论一个案例研究智能医疗技术,以确保病人数据隐私(3)动机,我们提出了一个全面的调查等智能医疗技术可穿戴设备,身体区域网络,数字医疗监测病人的健康与安全、效率和可靠性。我们还研究了案例研究基于UAV-assisted安全医疗COVID-19爆发

1.3。研究的贡献

列出了主要的研究贡献如下。(我)我们提供了一个详尽的调查在智能医疗技术,包括可穿戴设备,禁止,数字医疗系统(2)我们提出了一个基于ai的医疗体系整合与6 g网络,使医生和病人之间的安全、透明的实时数据传输(3)我们提出了一个案例研究在UAV-assisted安全医疗COVID-19爆发(iv)最后,我们强调各种开放问题,在智能医疗技术未来的研究方向

1.4。方法和材料

本文旨在提供一个深入了解智能和安全的医疗采用人工智能和6 g网络。文献综述的作者开始形成一个具体的分类在各种智能医疗技术和不同的攻击可能在这些技术。作者探讨了不同的研究文章认为研究数据库如IEEEXplore,施普林格自然、科学直接,爱思唯尔,MDPI, ACM数字化,专业,威利和技术研究从互联网上的博客。关键字用于遍历这个话题是智能医疗、智能和安全的医疗保健,可穿戴技术,无线区域网络,物联网传感器在智能医疗、AI /毫升技术在智能医疗、智能医疗和开放问题和挑战。

1.5。组织

剩下的纸是组织如下。部分2提出了一种智能医疗技术的分类。部分3提供智能医疗的安全性。部分4讨论了该方法在智能医疗。部分5我们建议的体系结构的阐述了案例研究基于无人机COVID-19爆发。部分6提供了各种开放问题和研究在智能医疗的挑战。最后,部分7总结了纸。

2。在智能医疗技术分类

智能医疗技术已经逐步发展。这些技术使用物联网、大数据分析、ML,区块链,和人工智能医疗更平易近人,高效和个性化。我们现在的一些关键技术和应用的智能医疗和可穿戴设备一样,身体区域网络,数字医疗如图2。这些可以介绍如下。

2.1。可穿戴设备

可穿戴设备在医疗保健促进病人保持健康积极。早期诊断,及时治疗,患者可以跟踪他们的身体症状,如心率监测和任何慢性疾病症状。这有助于医生使用这些数据来提供个性化的医疗保健计划。表2显示了分析各种最先进的智能医疗方案可穿戴设备。我们可以将这些可穿戴设备分为五类,提到如下。

2.1.1。头戴

它由设备穿在头部和颈部区域。它们主要用于帮助外科医生,给病人提供有价值的解决方案,提高人们的整体健康。我们确定了五个子类头盔,提到如下。

(1)智能眼镜。智能眼镜流行由于虚拟现实和增强现实技术进步。智能眼镜蓝牙的特点,集中相机,照片,视频查看器,麦克风,全球定位系统(GPS)、信息存储、陀螺传感器、加速度计、communication-notification,游戏,等等。智能眼镜实时应用在许多领域,如前所述在[47]。在大气研究中,在化学工业有害气体,在食品行业扫描食品包装和质量检查,虚拟游戏,在医疗、智能眼镜是用来提供语音指令盲病人和不同的应用程序。金等。48)提出了人类视觉独特的智能眼镜增加基于人类意图和场景视图转换成语音。之后,作者在49)提出了一个智能眼镜免费使用空间映射行走,混合现实,和运动跟踪。即使有许多功能,智能眼镜的工业使用更少由于安全问题,隐私问题,不使用的意识。

(2)耳机。蓝牙耳机是最早可穿戴设备用来打免提电话,播放音乐,语音指令,使移动定制的设置,为活动提供了传感器检测、实时语言翻译,并实时的反馈。由于这些特性,它可以提供很好的竞争手腕乐队如果降低电池寿命等问题和其他低处理能力解决(50]。罗莎和阳(36]讨论了耳机也可以用于心血管和压力管理与心电图,阻抗,加速度监测。然后,鲍姆加特纳et al。51)提出了一个self-fitting耳机为轻度到中度听力损失特性来调整声音信号的体积以及动力学。

(3)助听器。人有听力损失增加了在过去的十年中,导致最终的使用增加的痛苦的。助听器提供听力解决方案和执行个性化功能。以前,助听器有不同的问题,如穷人音质和背景噪音。数字信号处理的发展改善了助听器和蓝牙低能量协议的性能,使其能够回答电话,提供语音援助,听音乐,推出智能手机应用程序,等。一个助听器可以智能地用于音频降噪,创建个人良好的区域,特定音频广播、公共音频警报,和定制的声音流对象使用蓝牙low-energy-enabled听力设备提出了(52]。传统助听器放大的声音源,导致使用者不能抽象的信息传达当源对象是电视或手机。Rajan et al。53]提出一种IoT-based安全高效的助听器基于芯片的微控制器,帮助分离的声音听起来。然后,汉族et al。54)提出了一个基于深层神经网络系统来减少环境噪音和提供实时的语音增强。

(4)浸入式头盔。这些都是虚拟现实头盔有一个小的光学显示在前面。他们有许多功能,如3 d视频游戏。在医学上,进行作业时,他们用x射线数据促进外科医生和MRI想象真正的病人。它有助于在航空包括防护面罩和夜视设备。在军队,它有助于显示信息,如地图和热想象数据,和在工程视图中3 d视图的计算机辅助设计,在娱乐行业通过提供虚拟电影院和更高的分辨率。这些头盔也用于训练像驾驶、射击、焊接、和医疗培训,真实的训练是过于昂贵或者危及生命(55,56]。

(5)神经接口。这些设备与神经系统刺激或记录活动。这些设备都是放置在大脑内部,外部连接,或插入在神经系统来指导一个活动或记录的运动。目前用于治疗脑震动和帕金森病运动模拟器和人工耳蜗柯维演讲患有听力损失。它可以用来提高内存或浓度由玩家控制经颅刺激和数字对象,没有任何身体接触,讨论(57]。在未来,神经接口设备有很高的发展范围直接就是通信、监控活动以支持身体健康,和增强人类的权力集中和记忆。但是,由于隐私等关键问题,人权,和自主权,神经接口设备不使用危险。

2.1.2。手腕/手持

Wrist-held智能设备的主要健身应用程序跟踪、无触点交流,和通知。它包含的可穿戴设备戴在手腕或手。我们在手腕智能设备,确定四类可以定义如下。

(1)智能手表。他们是最受欢迎的可穿戴设备之一。通常,smartwatches可以函数在两个方面,提出了在58]。首先,沟通和通知通过连接到其他设备使用蓝牙和补充功能,如收到通知调用,执行microinteractions像语音指令,有限的网络浏览,设置提醒,和移动应用程序启动。Krainyk et al。59)提出了另一个函数,即。,monitoring human physiological signals and biomechanics, thus providing fitness tracking. Users can record their day-to-day activities like workout time, calories burnt, sleep time, and step count. Enamamu et al. in [37)状态,他们也可以用来确定心率和体温也利用原电池反应和提醒用户的个人活动(所60),从而有利于一个人的健康。

(2)手腕乐队。这些设备与smartwatches有相似之处,但没有显示屏的执行功能,如沟通,详细监测人类的信号。手腕乐队是专门设计来跟踪健康和健身活动和形式因素有限而smartwatches。蔡等人在61年]介绍了他们的特性,比如心率追踪器,脉搏血氧计,脑电图追踪,心电图追踪,卡路里燃烧,步数。Rao et al。62年]表明,步数和日常活动跟踪各健身带不同,提供了如何评估日常活动有益健康预测的方法准确的健身活动测量。Kumar和穆夫提45]显示冠状病毒对全球的影响基于云计算的可穿戴的跟踪装置,这有利于监控和跟踪病人没有病毒的传播因此降低医生的负担的时候缺乏劳动力。

(3)姿态控制设备。这些设备可以在人体识别和刺激的运动,允许一个互动和控制对象没有直接的身体接触。它允许用户执行手势与智能手机和使用手势执行各种功能作为输入信号。这些设备由一个便携式加速度计和表面electromyographical (EMG)传感器中讨论(63年]。是有利于受损或残疾患者的互动和交流的目的。Gourob等人在43]讨论了这些设备,可以利用建立手势识别系统。

(4)智能环。当他们很小,他们往往有特定的和有限的功能相比,smartwatches和手腕乐队。它们通常用来提醒用户手机通知,支付担保,并追踪人类活动,也可以用作安全装置在紧急情况下(64年),并提供环境传感。智能环之间建立协同技术和时尚产业,在未来几年内,我们可能会看到昂贵的智能环用黄金做的。作者在65年讨论了应用智能环;即。,they can be connected to smartphones using Bluetooth and provide wireless charging without impacting the users.

2.1.3。你皮肤智能设备

这些设备可以坚持或纹身在皮肤上。他们可以分为三大类,即:,sensor patches that are microdevices embedded with sensor, E-tattoo, and E-skin which are miniature real-looking tattoo or skin patches integrated with sensors and circuits. Their primary function is to monitor essential vital signs in the human body, disease diagnosis, and monitoring. These devices are classified as follows.

(1)传感器补丁。这些设备是为感官/触觉设计的应用程序监测人体生理信号和姿势活动调查58]。它们通常用于确定基本生命体征监测、体温、姿势、心率、脉搏、跟踪药物服用,等等。触觉应用程序包括降低抑郁水平,姿态训练,药物输送到特定的身体部位,和疾病的诊断。连接到传感器补丁display-enabled智能设备使用蓝牙或无线电频率信号。张等人在66年]探索类似的设计灵活的应变传感器的工作范围宽,可靠性,可用于人体运动监测。Behera [46)提出了一个独特的无屑的RFID传感器通常都是昂贵的大规模使用可穿戴设备。该框架提供了无线数据采集、对身体传感、和实时监测生命体征。

(2)E-Tattoo。他们被视为临时纹身使用柔性电路用于无线数据传输和感觉。由于他们坚持对身体很长一段时间,他们应该超薄和超软,表现出高绩效。路[67年电子纹身设计,具有上述特性,甚至可以应用于human-mimetic机器人。他们的功能包括观察人类生物信号、通讯、通知,使安全芯片支付。阴et al。68年]探索这些E-tattoos舒适和多功能组成的麦克风声音援助和身体传感器来检测人类身体基本利率像心电图一样,温度,水分和还提供定制的功能。

(3)电子皮肤。它们用于电子皮肤的形式,这是可伸缩的舒适,与E-tattoo智能设备有相似的特征。他们用于无卡式担保支付,对环境不利的检测,数据传输,健康数据收集、运动检测、治疗疾病几乎,防止不必要的招生医院,改善患者的慢性疼痛管理质量机构等,从而提高整体医疗和医疗设施提出了(40]。

2.1.4。身体穿设备

它主要包括服装作为智能等这套智能衣服,聪明的鞋,和聪明的腰带。它们主要用于人类生理信号监测,生物力学,早期诊断和预后的健康和活动监测,环境遥感对于危险环境,和sensory-haptic应用,如治疗信息。

(1)智能衣服。他们提供智能医疗负担得起、享受得到的服务选项的帮助下边缘计算、无线传感、电子监控、低功率的架构。这些设备帮助提供更个性化的健康解决方案。杨和程69年]提出了各种各样的可伸缩的传感器,便于实时数据的收集不干扰用户的日常活动和报告的孩子,老了,和慢性病人。传感器和加速度计、陀螺仪和磁力计嵌入成小包装。同样,灵活的在衣服测量髋关节和膝关节角度传感器和生物传感器跟踪活动,比如心电图和肌电图。最后,人工智能算法处理实时数据并将其连接到智能健康应用程序安装在智能手机中讨论(44]。

(2)智能鞋。他们组成一个综合监控电路和传感器,提供健康和生物医学信息,包括运动追踪器,计数器,卡路里燃烧,氧浓度,和心率的决心。蓝牙是用来显示平台和模块之间的无线通信系统。黄等。70年)提出了一个系统压力传感器关闭设备,以防止不必要的电池使用时没有压力反馈收到鞋子。提出了各种智能鞋系统实时监测的患者使用智能鞋鞋垫系统[71年)、医疗保健鞋系统监测老年病人的步态,和脚气味检测研究[72年]。

(3)智能皮带。聪明的腰带在医疗智能可穿戴设备有各种各样的应用程序。他们可以使用正确的姿势,帮助减少腹部肥胖研究[73年),在孕妇使用flex胎儿健康监测传感器带(74年),分析体数据。主要的焦点是提供适当的指导对整体健康通过跟踪日常活动,比如坐着时间,步数和腰围。

2.1.5节讨论。其他设备

它们包含其他可穿戴设备,例如植入式传感器插在身体部位,肩带、各种跟踪传感器,和安全设备进行监测和分析一个人的健康。这些设备可以描述如下:

(1)植入。植入式电子设备可以检测医学变化和立即采取行动就像治疗措施,诊断和治疗通过一个单一的消息。他们组成的传感器、执行器和信号处理协议。这些设备都是通过外科手术植入人体。这些设备是高度节能、集成电路和工作在他们自己的权力很长一段时间。它们被用于电子刺激神经系统治疗疼痛、抑郁、糖尿病和高血压。他们是用于靶向疗法没有任何副作用和患者的具体情况。各种设备在这个领域已经开发出来,如Molley et al。75年)提出了新一代自营心血管植入设备,监控和分析病人的健康不断和Vaddiraju et al。76年探索一个needle-implantable连续葡萄糖监测的无线设备。

(2)胸肩带。胸肩带设计是灵活的、可伸缩的、舒适的。传感器嵌入各种功能像减轻慢性疼痛和呼吸频率测量。然后,挂et al。77年)探讨了监测呼吸系统与一个加速度计绑在胸部。同样,Rachim和涌78年]讨论了嵌入式智能皮带移动心电监护使用蓝牙连接和提供实时心率监测,防止紧急情况和改善病人的生活质量。

(3)跟踪传感器。这些设备是基于全球移动通信系统(GSM) / GPS技术来追踪和监控病人的实时健康提供有效的医疗保健需要。这可以消除病人和医生之间的差距在紧急情况下。阿齐兹et al。79年)提出了一个模型,在这个模型中传感器可以捕捉数据并比较数据通过单片机与配置的阈值是由医生指导患者的健康。如果有任何紧急情况下,可以将短消息发送到医生的手机号码以及测量身体利率通过GSM模块。GPS提供病人的当前位置。这有助于医疗端到端连接。Akbulut和阿坎人80年)讨论了这些设备的各种功能,如呼吸率跟踪器,神经信号跟踪器,心电图传感器,葡萄糖传感器,温度传感器,血压传感器,血氧传感器和加速度计的智能可穿戴病人跟踪系统。

2.2。身体区域网络

身体区域网络(禁止)是指智能计算设备的无线网络。他们由几个传感器和智能设备作为数据网关和提供一个接口,查看和管理禁止设备。它提供了低功耗传感器连接到人体器官或外部使用,使用电信网络通信。禁止患者重要器官的好处包括持续的监控使用心电图传感器,小城镇传感器、脑电图传感器、血压传感器,温度传感器,葡萄糖传感器。它还提高医疗保健质量,提供个人运动传感器等设备,姿势设备和人工身体部位。禁令主要用于医学应用;它提供了远程医疗监控和远程医疗的帮助和沟通。禁令是专门用于慢性疾病患者或老年人。它还可以用于跟踪运动员的表现。贾尼et al。81年调查一个心电图和肌电图传感器确定生物和医药方面的信息。楚(82年)提出了一个脑电图传感器对脑损伤,治疗,和跟踪日常emotional-social交互。同样,纳史木汗et al。83年]讨论了血压监测实时监控和Anuar出乎利奥(84年)提出了持续的监控,避免体温传感器热中风。表3提供了这些先进的智能医疗方案的比较分析禁令。

这些设备由作动器和传感器的人体,可机身或对身体,监测人体器官和交付冲动或药物。他们用无线通信功能链接到一个访问点或中心连接到身体上的传感器。禁止提供低功耗设备(89年与自我修复功能,高安全田et al。90年)也提出了一个高效和健壮的WBAN。古普塔et al。3使用WBANs)提出了一个智能医疗监控系统,实现多种多样的心理参数如体温、心率、氧水平,生命体征,并提供及时的治疗。同样,邹et al。87年医疗应用程序)提出了一种多参数传感器系统。Hodgkiss和Djahel88年)使用禁令提出了模糊vault-enabled智能医疗系统高安全性的病人数据和实时传感。

2.3。数字医疗

数字医疗保健是一个广泛的概念,包括互动技术和医疗保健。它的目标是提供成本效益,满足个别病人的需求,标准的医疗程序,基于实时数据和治疗,并改善医疗保健服务。的帮助下技术如可穿戴设备的进步,telehealthcare,和移动健康应用,患者没有费多大力气就可以保持健康。表4介绍了分析的各种先进的智能数字医疗保健方案,可以进一步划分如下:

2.3.1。Telehealthcare

它处理远程病人和医生之间的临床数据交换,并提供医疗服务从遥远的地方使用信息和通信技术(ICT)。它使用先进的技术,如人工智能、物联网、大数据和云技术使一个有效的和有效的遥远的医疗(98年]。

(1)远程控制。它是指连续或不连续的远程监控病人身体的医疗专家医疗跟进,并要求决定。COVID-19当时已经得到普及。Quintanar-Gomez et al。99年)探索它的各种功能,如血压、心率监测使用多层感知器,和脉搏变异性以及跟踪病人的身体温度和脉冲重复频率等参数。它还提供定期更新和报告不暴露他们在昂贵的诊断程序(One hundred.]。

(2)Teletreatment。它指的是使用医疗机器人远程治疗过程结合医生经验提供卫生设施在任何遥远的地方,以低成本,提供快速恢复,节约各种资源。Teletreatment可以治疗各种疾病,使用远程手术系统远程操作,并提供反馈。古普塔et al。101年]探索各种远程手术系统;其中一些被广泛使用在102年]。

(3)远程医疗。它是指电子医疗,诊断,使用通信接口和磋商。它有各种好处像增加方便病人,减少取消约会,和增加访问,从而鼓励健康的生活方式。Jeyanthi et al。103年]提出了基于云计算的远程医疗系统,降低延误成本,增加可用性和减少行政负担。苏(104年)设计了一个乳房疾病患者的诊断辅助系统。赛尼等人在97年]调查各种e-healthcare远程医疗框架建立在IoMT和AI的流紧急优先为诊断和治疗。该系统优于传统的系统安全性和信任方面。

2.3.2。移动健康

它也被称为移动健康。它指的是无线技术对医学和医疗实践支持的移动设备。简而言之,这意味着医疗安装在你的手机上。它提供了个人数字辅助,监测健康,追踪健身,保持人们健康和日常活动。

(1)云技术。云技术在医疗指的实践指导远程服务器通过互联网连接到存储、管理和分析医药相关大数据。它有助于提高效率和降低成本。它有功能像医疗记录管理和执行后端操作,而且还有助于移动健康应用程序的创建。提出了几种基于云的医疗保健系统。Tawalbeh和Habeeb105年]研究了移动云computing-based智能医疗系统。另一位研究人员提出了一个物联网和基于云的医疗诊断,使用传感器来收集实时数据和预测疾病的严重程度基于数据库(106年]。后来,埃斯波西托et al。107年探索一个区块链和基于云技术的安全的和私人医疗系统为病人提供方便和可用性。

(2)可穿戴设备。这些设备用于提供沟通和通知在日常使用和提供各种与健康有关的好处,如监视和诊断疾病和人体的重要器官,跟踪治疗,术后病人的恢复后,和健身跟踪。挂et al。108年]研究可穿戴式医疗器械telehome使用多传感器数据融合和无线技术。然后,Sharma et al。109年)提出了一个智能可穿戴设备基于英特尔居里平台,旨在使其便携、容易使用,低功率使用,准确、一致性的功能与健身相关跟踪和无线数据传输和交流。

(3)移动健康应用。他们让医生和患者有效沟通提供者和病人提供24/7的医疗设施和每用户个性化医疗服务的能力。但是,穷人住在农村地区医疗资源有限。帕夏et al。110年)设计了一种神经网络pretrained疾病预测用户的手机应用程序。赵et al。96年]提出了self-supervised交互式移动应用健康管理和反馈系统,增加了人们的可能性变得更健康。

2.3.3。数字医疗系统

它指的是将技术与医疗系统。这些系统旨在提供改善和成本效益的医疗服务。它使用创新技术、计算平台、实时数据,连接,软件和传感器配置系统效率。病人现在可以在一个简单和安全的方式保持健康。

(1)电子健康记录。电子健康记录(EHRs)包含的所有信息从健康中心参与病人护理。他们让病人立即可用的实时信息相关授权人。它包含治疗和病人的医疗信息,包括更广泛的病人的医疗保健的范围。他们提供各种功能提供病人的病史、治疗方案、药物清单,诊断要做,过敏,实验室和测试结果,以及x射线。他们还指导授权人以证据为基础的工具基于记录的情况。电子病历的主要特点是与其他设备共享数字记录在不同的医疗机构。智能技术的快速发展,医疗保健解决方案也增加了个性化的健康数据。科伦和普拉萨德94年)提出一个EHR系统,合并这个医疗数据中心系统,帮助更好的决策和提供改进的医疗解决方案。电子医疗纪录发表使用传统系统,耗时。提出了一个创新的系统(111年),包括功能,如声音援助,编辑能力,医学图像处理,和交互式时间表为医生提供一个方便的工具。

(2)电子医疗记录。电子医疗记录(电子病历)是数字形式的纸记录在健康中心和医院。它们包含重要的信息收集的医务人员在医院里,医生主要用于治疗和诊断。电子病历帮助医生来跟踪数据随着时间的推移,识别病人的访问,观察病人,并提高整体医疗质量。有些病人需要连续或急诊放电后,Intawong et al。(112年)设计了一个无缝的EMR医疗管理交流数据社区医院和病人需要紧急护理的可靠和有效的。Vardhini et al。91年)提出了一个区块链和智能基于契约的框架来解决电子病历的问题,即。,misuse of data and security, which has been solved by providing data privacy, interportability, and accessibility. Kadu and Singh [32)提出了数字医疗SCs-based事务优先级架构。它提供了创造性的替代方案智能辅助诊断和持续的监控设施。

2.3.4。健康分析

它指的是使用大量的收集的数据为卫生保健系统提供可操作的直觉。这些观念是通过分析学科如大数据分析提供基于事实的智能决策系统。这些决定改善规划过程,管理活动,未来的预测,和智能学习。

(1)医疗大数据。大数据可以使用在医疗领域商业、学术,政府和公共部门包括整体健康数据。它可以改善决策和分析疾病的预测和紧急医疗条件。李等人。113年)解决医疗大数据的冗余问题通过数据midplatform;即。,it is not well connected and has critical failures such as missing information, data disparity, and isolated information. Yang and Chen [93年]探索基于深度学习医学大数据资源共享,系的数据分析和可视化数据收集和系统需求。

(2)基因组学。基因组学是指一个有机体的基因组DNA数据。它需要大量的存储和好的软件,支持它。它研究生物方面的人体器官,如心脏病、哮喘,糖尿病和癌症。这些疾病都是由于环境引起的以及遗传学。推动基因组学和其基本生物学基础的数据被称为基因组数据。使用这个数据是复杂的;因此,“库兹涅佐夫”等。114年)提出了一个跨平台的沉浸式虚拟现实系统,使图基因组交互和分析。坎贝尔(115年)研究模型,该模型提供了一种新的治疗疾病用精密医学基因组学和新技术,开辟了新的研究在这一领域范围。

(3)人口健康管理。它关注人口作为一个整体的福祉。它遵循金融和护理病人和管理他们的数据记录模型。它通过初级卫生保健功能、数据分析、远程管理和咨询医生。的主要目的是降低人均成本,提高病人的经验数据驱动技术,提高人群的整体健康。Panicacci et al。116年)人口健康管理系统提出了一个识别高危患者使用机器学习算法。同样,吴和高117年)设计了一个中医five-pattern系统防止老年人社区的健康问题和提供必要的治疗。

3所示。智能医疗的安全方面

3.1。关键的安全攻击智能医疗

智能医疗技术,如可穿戴设备,禁令,和数字医疗、容易受到各种安全攻击,如欺骗、数据操作,注入,和社会工程攻击,如图3智能医疗系统的性能恶化。

3.1.1。攻击医疗数据(EHR / EMR)

EHR和EMR数据从数字医疗系统是最容易受到安全攻击。病人的保密性和隐私深感不安,因为这种攻击。这些数据在数字形式可用于远程健康监测目的和信任之间的病人,医生,医院。下面提到的各种攻击。

(1)键盘记录工具攻击。输入病人的数据时,可以检测到按键运行关键日志程序(118年]。攻击者获得凭证因非法访问病人的健康数据基于击键。

(2)网络钓鱼攻击。在这种攻击119年),一个病人落入敌人的陷阱填满他们的健康信息使用一个不合法的电子邮件链接发送的一个对手。输入收到的电子邮件链接是用来勒索和洗钱。

(3)社会工程攻击。由于增加了社交媒体上的用户由于互联网服务,攻击者可以欺骗系统通过冒充合法用户访问患者记录(120年]。

(4)蛮力攻击。它使用一个试验和错误猜测密码系统的方法来访问完整的信息从医院病人的医疗数据。

(5)SQL注入。当一个病人或医生是输入数据,恶意SQL查询是由用户注入形式。这导致访问数据库内容开发的信息存储在数据库中。

3.1.2。攻击远程医疗

远程医疗是指连续或不连续的远程监控病人的身体由医疗专业人员对医疗跟进,并要求决定。医护人员和病人之间的信息交换是容易受到各种攻击,如下提到的。

(1)IP地址欺骗攻击。在这种攻击中,在服务提供者端启动DoS攻击,攻击者创建伪造IP数据包从一个系统上创建不同的系统。

(2)跨站点脚本攻击。攻击者注入恶意代码的web应用程序来执行恶意脚本在这种攻击中,获得病人的饼干。攻击者可以访问病人的文件系统,摄像头,麦克风,通过模仿和地理位置。XSS是最脆弱的跨站点脚本的方法。

(3)饼干操纵攻击。在这种攻击中,攻击者操纵、伪造饼干偷病人的身份。一般来说,我们的用户名和密码存储在cookie存储的形式。一旦填写一种web应用程序时,数据也会存储在cookie。因此,攻击者可以访问所有这些数据如果存储饼干可以操纵。病人/医生的金融、医疗、或任何其他个人通过这种攻击可以访问敏感数据。

(4)会话劫持攻击。在这种攻击中,攻击者会强制当前病人/医生的合法会话访问信息交换通过劫持会话参数。攻击者可以参加一个正在进行的谈话后相同的(121年]。

(5)DNS欺骗攻击。DNS欺骗攻击服务提供商。在这种攻击中,通过欺骗域名系统(DNS),攻击者将整个流量重定向到他的机器。攻击者操纵DNS条目,将攻击者的IP地址返回给用户,而不是一个合法的IP地址。因此,病人/医生开始与攻击者的互动,在不知情的情况下泄露敏感的医疗数据。

3.1.3。攻击保健物理设备(可穿戴/植入式医疗设备)

这套,植入式医疗设备读取实时患者医疗数据和传输相同的配对智能手机或任何存储设备供以后分析。这个数据是保密的和私人用户。各种安全漏洞和攻击是可能的在上述设备由于其自然资源受限和不安全的专用协议而制造。下面提到的这样的攻击。

(1)硬件攻击。硬件实现攻击通过引入木马植入设备。他们创建故障在嵌入式集成芯片(IC)和复杂的检测。

(2)固件修改攻击。的衣物和植入设备的硬件控制程序存储在非易失存储器中。固件修改攻击试图修改,程序控制硬件。改善用户体验,连续固件更新是至关重要的。因此,利用这些固件更新注入恶意固件设备(122年]。这种攻击是由逆向工程通信协议和应用程序代码。

(3)窃听攻击。在这种攻击中,未经授权的实体截获用户的个人信息。在可穿戴和植入式设备、蓝牙和无线电频率是容易被窃听。马林et al。123年]显示这些设备进行流量分析工具,如Ubertooth, Wireshark, Adafruit和屈服于窃听。

(4)嗅探攻击。在这种攻击中,交通嗅和分析使用硬件和软件嗅探器。静态分析了MAC地址的数据包进行嗅探的广告。使用扫描设备,可以提取敏感的医疗数据明文通过流量分析124年]。

(5)信息披露的攻击。在这种攻击中,未经授权的实体公开的信息由于疲软的通信通道或设备。拉赫曼et al。125年显示一个信息披露攻击健康追踪器通过逆向工程通信协议。缺乏加密和身份验证机制导致提取敏感的医疗数据(126年]。

(6)中间人MITM攻击。在这种攻击中,攻击者截获两个授权合法的实体之间的通信,了解了数据。Rieck [122年]显示MITM攻击健康追踪器的逆向工程的固件版本。

(7)未经授权的访问和欺骗攻击。在衣物、植入式医疗保健和医疗设备,攻击者访问敏感数据不公平由于安全漏洞和恶搞医疗服务提供者。它可以通过蛮力安全销用于流量分析和配对127年]。

(8)重放攻击。在这种攻击中,敌人腐败或模仿有效数据包传输的医疗设备。它可以通过操纵加密的缺陷,硬编码的MAC地址用于配对或身份验证。

(9)Ransomware DOS攻击。这是一个传统DOS攻击医疗设备被攻击者窃听和不可访问,除非攻击者想要的赎金。执行是因为过时的操作系统(128年)和不安全的协议。不可用的医疗设备可以为人类生活在紧急情况下是致命的。

3.1.4。攻击WBAN

WBAN,尽管有许多好处,吸引吸引各种安全攻击的攻击者由于其设计、开放的环境,和可移植性。医疗应用的严格要求,比如数据完整性、可用性、数据保密、身份验证和数据新鲜度的可靠性数据交付端到端系统。WBAN患有各种安全攻击,如下提到的。

(1)伪装攻击。在这种攻击中,攻击者冒充合法WBAN节点的身份信息通过使用一个假的身份,以避免检测。攻击者访问系统通过使用偷来的登录id和密码,避开认证机制,或者操纵安全漏洞。化妆舞会的节点可以创建一个严重威胁,推出DoS攻击医学应用。使用生物或密钥管理身份验证方案可以防止敌人冒充WBAN节点。

(2)克隆攻击。在这种攻击中,攻击者得到合法的节点复制凭证WBAN节点。它偷偷复制ID和介绍本身,即。,the cloned ID, as an authorized node to the network. It affects the authentication requirement of WBAN and helps attackers gain illegitimate access, alter health data and conduct false data injection.

(3)责任和可撤销的攻击。这种攻击集中在关键的滥用。WBAN节点股票与未经授权的用户访问密钥和滥用他们的访问权限,从而获得秘密密钥解密医疗数据。WBAN节点一定会负责政策,保护患者数据和撤销时发现恶意违反它。

(4)电池耗尽攻击。在这种攻击中,攻击者耗尽有限资源,如电池或处理器周期禁止发送错误的数据到目标节点。禁止这种攻击的目标节点执行的处理回复错误的数据包或重新发送给其他节点。传感器的快速消耗电池供电,因此降低其一生收集敏感的医疗数据。

(5)数据嗅/窃听攻击。在这种攻击中,攻击者坐在一个不安全的网络路径WBAN节点和医学服务器之间收益的交通流数据的访问包含敏感的医疗数据,被动节点id,路由更新,等等,为以后分析。它在WBAN影响保密要求,可以避免通过使用一个密钥分发方案。

(6)数据修改攻击。数据修改攻击影响认证,在WBAN可用性、完整性和不可抵赖性的要求。攻击者修改/替换/改变数据部分或全部WBAN节点之间旅行。伪造的数据可能导致严重影响病人的生活。数字签名或键控哈希函数可以避免数据修改攻击。

(7)数据公开攻击。这种攻击影响保密性和隐私要求在WBAN,敏感数据透露给未经授权的用户使用主动的意思。这个泄露数据可以传遍网络。访问控制和加密技术的网络层可以防止数据公开攻击。

(8)路由攻击。在这个活跃的恶意攻击,路由表是有毒的数据包传输错误的目的地通过编辑路由表条目,严重损害了网络。这种攻击影响认证,在WBAN可用性、完整性和机密性要求。

(9)重放攻击。重播攻击影响硬件和软件资源在WBAN攻击者截获消息授权用户之间的交易。攻击者故意拖延或回放相同的合法接收者执行聚合结果变化。

(10)节点Subversion攻击。这种攻击在隐私通过捕获和执行密码分析在WBAN网络节点部署在访问敏感数据,如节点ID、安全策略、路由信息和安全密钥。

3.1.5。对通信协议栈的攻击

用于数据交换发生,需要一个安全的通信通道,也就是由一组通信协议。攻击者的目标是利用通信信道控制整个通信协议栈。下面提到的各种攻击。

(1)物理层。物理层负责无线电频率生成和选择、调制的比特,信号检测和位操作加密。后攻击是可能使用同介质的物理层。(一)干扰

干扰是一种类型的攻击,攻击者发送无线电频率干扰的频率使用的传感器节点。这里,攻击者随机生成一个无线电信号与一个传感器节点发送的频率匹配。攻击者发送的无线电信号干扰了其他信号通过一个传感器节点和接收到攻击者的范围内不能收到任何消息。因此,攻击者节点的信号将不可访问,只要这些干扰信号继续,没有可以给予或接收消息的节点和其他节点发送者的影响。(b)篡改

篡改是指窃取敏感信息如密钥提供物理访问的节点。防干扰的一个节点是这种攻击的防御机制,一个节点蒸发其内存当试图恶意访问。

(2)数据链路层。数据链路层提供的共享访问渠道,如载波监听多路访问(CSMA)所有相邻节点。这一层数据包的碰撞问题,资源受限环境由于反复重传,等,遇到这一层。下面列出了各种攻击。(一)碰撞

碰撞发生在多个节点试图同时传输数据包在同一频率。这导致升级部分导致的数据校验和不匹配的目的地,将数据包丢弃。攻击者可以故意造成碰撞的数据包如果获得访问到数据链路层。(b)资源枯竭

当损坏数据包传输不断反复,它会导致资源受限场景如电池消耗和能源消耗,从而导致资源枯竭。(c)不公平

不公平是因为重复collision-based MAC层的攻击和严酷的使用MAC层优先级机制。不公平是一个部分的DoS攻击导致性能下降。

(3)网络层。网络层负责可靠的端到端交付。数据包穿过一组节点充当路由器拥有信息网络路由数据包。因此,安全攻击是可能的在这一层的路由协议。下面提到的攻击能量,力量,节约内存路由协议。(一)黑洞攻击

一个黑洞是由车辆拒绝参与沟通或放弃包。因此,整个交通被定向到一个节点没有公共的存在。(b)你好洪水袭击

对手节点使用一个强大的发射机在这种攻击和洪水网络高质量的途径。这种高质量路线吸引了其他节点的所有数据包,希望能有一个更好的路径从发送者到目的地,但这样的路径不存在。因此,攻击者接收到的所有数据包。(c)Warmhole攻击

一个虫洞创建一个快捷方式在这种攻击两个遥远的节点之间的路由。攻击节点破坏由短路网络路由,因此不允许数据包流经一个合法的路径。攻击者可以监控流量或损坏的数据流。(d)女巫攻击

这是一个危险的攻击,恶意节点的多重身份的存在。因此,它是具有挑战性的决定一个节点收到信息的合法性。

(4)传输层。传输层负责端到端的多个主机上运行的应用程序之间的通信服务。攻击传输层破坏应用程序流程和阻碍交付过程。两个这样的攻击下面提到的传输层。(一)洪水

在这种攻击中,攻击者广播受害者与许多连接建立请求节点消耗的资源,从而生成一个洪水袭击。这种攻击可以保留通过限制一个节点可以接受的连接数量。(b)去同步化

在这种攻击中,敌人使用一个假的序列号和多次消息复制到一个或两个积极的最终节点连接。这导致失调,迫使节点重新发送的消息导致排水的受害者的资源节点。

(5)应用程序层。应用层负责提供支持,接口,最终用户和服务,如电子邮件服务和数据库服务。任何攻击这一层将限制对这些服务的访问。(一)压倒的攻击

攻击者消耗节点的能量和吸收网络带宽通过压倒性的网络转发质量流量的基站,从而导致网络堵塞和不允许基本服务最终用户。(b)否定攻击

这些攻击导致拒绝参与通信通道的所有部分否定。这导致nonservice最终用户,因为参与否认从恶意节点。

3.2。智能医疗分类的安全解决方案

正如在前一节中所讨论的,智能医疗系统屈服于多个攻击基于对医疗数据的访问,沟通渠道,物理设备,数据存储、等等。许多研究人员已经开发出安全框架、体系结构、算法、协议、软件服务、策略和工具安全的医疗保健系统。安全智能医疗解决方案的分类提出了部分。

3.2.1之上。基于密码的解决方案

基本身份验证方案是一种基于密码的计划,很受欢迎的在我们的日常应用。它需要用户记住他们的密码来登录到一个系统和访问提供的服务系统。密码方案是容易受到暴力攻击,攻击者试图猜出密码通过使用多个排列和组合。魏et al。129年)取得了认证在WBAN雇佣低熵密码的方案,实现了匿名。但是,身份验证方案患有沟通成本高,因为消息的长度影响带宽。刘等人。130年)提出了一个使用自定义密码身份验证方案实现匿名认证算法,生成动态密码,隐私和安全。它优于其他基于密码技术的计算和通信成本。然而,向前保密不是考虑的方案。金等。131年)提出了一个三方密码身份验证方案的密钥交换保存用户匿名性和防止模拟攻击。

3.2.2。Biometric-Based解决方案

biometric-based身份验证方案验证用户的生理和生物特征和匹配他们那些已经存储在系统中。具有挑战性的打造,复制,或打破biometric-based身份验证。虽然,有时,由于设计中的错误,或者nonstability生物特征,身份验证失败。指纹、心率、虹膜、声音、手几何,视网膜,心电图,PPG等被认为是生物特征。Arya et al。132年)使用指纹生物识别WBAN应用程序的身份验证方案。它使用相互认证和密钥建立过程。但是这并不证明在WBAN应用程序的安全。Koya和Deepthi (133年)使用心电图WBAN应用生物认证方案。它提供了更好的安全比其他心电生物识别方案并执行好。棕褐色,钟134年)使用心电图生物认证与加密技术,如椭圆曲线和diffie - hellman。该计划保护用户身份,但只提供了条件隐私。迪尔et al。135年)提出了一种轻量级的生物认证远程病人监护使用椭圆曲线加密方案。该计划合理的较低的通信和计算成本较低的存储。Shakil et al。136年)提出了确保BAMHealthCloud e-medical数据使用MapReduce框架。说系统表现好于其他生物识别方案。

3.2.3。加密解决方案

Cryptographic-based解决方案可分为对称密钥加密,非对称密钥加密和散列密钥加密。许多研究人员给出解决方案使用多个加密算法AES等DES,沙,三重DES、RSA、ECC, DSA和MAC。沙玛和Bhatt [137年]利用量子力学安全IoT-based医疗系统克服安全挑战,如可伸缩性、数据机密性和流动性。Gaikwad et al。138年]提议使用椭圆曲线密码(ECC)为确保e-health数据。时间和计算成本被认为是在这个计划。陈等人。139年)提出了一个匿名的相互认证方案在WBAN可穿戴传感器。这个方案可以防止模拟、欺骗和离线身份猜测攻击。Jegadeesan et al。140年)提出了一个保护隐私匿名身份验证方案向用户提供安全和隐私数据和实现较低的通信和计算成本。沈et al。141年]ECC算法用于创建一个certificateless与低计算成本和高安全认证协议。

3.2.4。访问控制解决方案

未经授权的访问可以限制采用保护e-health数据的访问控制机制。Dankar和Badji142年)提出了一个risk-aware e-health数据存储安全框架。首先,风险识别数据和访问控制机制决定了数据保护的风险水平。后,数据存储。因此,它提供了数据防止未经授权的访问。拉其普特人et al。143年),Shahnaz et al。144年许,et al。145年)访问控制机制是通过使用区块链用于确保e-health数据。第一个重点是在紧急情况下保护数据,第二个关注off-chain扩展,最后着重于病人和工作人员之间共享对称密钥。吴et al。146年植入式医疗设备上)展示了访问控制方案。Lounis et al。147年]提出了密文策略属性加密(CP-ABE)来实现医疗无线传感器网络的性能和灵活性。杨et al。148年)提出了一种细粒度的访问控制机制更新访问政策没有任何数据泄漏。

3.2.5。数字签名解决方案

数字签名是用来获取数字信息和文档的验证和认可。采用哈希函数的数据,发送方节点生成消息摘要,并进一步利用其私钥签署,然后转发给接收方节点。目标节点确认签名利用发送方的公开密钥。提取的数据使用哈希函数如果结果是有效的。Alzubi [149年]提出了blockchain-based Lamport Merkle数字签名,验证通过创建一个树的叶节点包含敏感患者信息获得的哈希函数。Abkari et al。150年)使用无线射频识别系统用于监控医院数据和跟踪药品使用数字签名。Kumar et al。151年]提出困难数字签名与兔子和蛇算法获得医疗数据流。Margheri et al。152年]证明了数字签名的起源跟踪任何医疗文档,其中包含医疗数据。吴et al。153年)使用散列与sha - 256区块链一起跨企业文档共享。

3.2.6。关键管理解决方案

密钥管理提供数据安全解决方案。它包括加密密钥生成所需的加密/解密数据,关键更新协议的通信实体之间的键,密钥分配和撤销键。Donmez和Nigussie154年)提出了一个密钥管理方案,LoRaWAN监控医疗系统。这个方案将一生根密钥存储在终端设备容易受到物理攻击和缺乏更新机制根键。如果根键暴露,会话安全会受到影响。江et al。155年)提出了一个端到端会话密钥管理方案的可穿戴式医疗监测系统。该方案克服了去同步化攻击。他和Zeadally [156年)提出了一个基于对称密钥生成认证协议方案环境辅助生活系统(AAL)。

3.2.7。基于机器学习解决方案

机器学习(ML)模型在卫生保健系统发挥重要作用。毫升的应用范围从EHR疾病诊断数据、医学图像分析、实时健康监测、漏洞检测、医疗数据和提供安全的威胁。很少有这样的作品。萨勒姆et al。157年)提出了一种异常检测方案利用支持向量机(SVM)和线性回归模型在无线医疗传感器网络。Rajendran et al。158年)使用机器学习方法提高医疗安全与隐私在边缘情报应用程序。Pirbhulal et al。159年)提出对ECG信号ML-based生物安全框架。Begli et al。160年)创建了一个入侵检测系统对DoS攻击和用户使用SVM根(U2R)攻击远程医疗监控系统。Sengan et al。161年)创建一个动态的、安全意识到路由毫升到安全的医疗数据。提出的地峡是Arora et al。162年]在ML方法用于安全的基于云的医疗建筑。这个方案是安全的、健壮的、可扩展的和提供实时监控。使用支持向量机和模糊c均值聚类Marwan et al。163年)对不可信云存储医疗数据数据保护。

3.2.8。Blockchain-Based解决方案

区块链技术已经成为一个重要的区域提供安全在许多应用程序中,主要在医疗保健领域。我们研究了许多应用程序区块链是用来确保e-health记录、医疗网络,医疗设备,等李et al。164年)设计了一个blockchain-based可靠数据存储系统保存医疗数据的隐私。作者使用AES密码算法作为保护用户的匿名性和它的数据。风扇等。165年]提出blockchain-based MedBlock,占稀缺的数据管理和数据共享政策EMR系统。在这个解决方案中,医院可以上传他们的数据在MedBlock和正确的解密密钥可以检索相同的。阮et al。166年)提出了一个框架集成区块链和星际文件系统(ipf)共享e-health数据在移动云计算环境中。他们使用智能安全e-health合同数据(167年]。但是,数据机密性还没有点。王等人。168年]提出blockchain-based保护隐私方案e-health e-health的云存储加密文本数据和区块链存储关键字加密文本搜索和分享数据。Abou-Nassar et al。169年)实现DITrust链使用Ethereum和连锁保护对物联网医疗系统的信任。伊斯兰教和年轻的心170年]提出blockchain-based医疗方案协助无人机(UAV)提供安全健康数据收集来自用户的使用无人机和最近的服务器上存储在无人机路径中。Miyachi和麦基(171年]hOCBS,保护隐私blockchain-based框架利用医疗使用链和off-chain系统设计。

3.2.9。Telehealthcare-Based解决方案

在COVID-19的时代,telehealthcare已成为最安全的方法之一病人和医生之间的交流。它是指连续或不连续的远程监控病人身体的医疗专家医疗跟进,并要求决定。teletreatment Telehealthcare包括遥控,远程医疗、远程手术。所有这些方法都容易受到多次袭击,和研究工作都是在这一领域获得相同的。Thanki和Kothari172年)提出了一个多级安全保障医学图像水印方案在远程医疗应用程序在不影响医学图像的质量。曼苏尔和Parah173年)拉格朗日插值多项式和一些替代用于创建可逆数据隐藏保护e-health远程医疗应用程序中的数据。古普塔et al。101年)提出AaYusH Ethereum-based智能合同和ipf协议来保护远程手术系统在医疗4.0。作者表现上的性能延迟和数据存储成本。Kordestani et al。174年blockchain-based计划)提出HapiChain,远程医疗应用程序。它确保医疗数据安全性、可伸缩性和可靠性使用DApps作为平台。古普塔et al。175年)提出了比特,blockchain-based 6 g触觉互联网telesurgical系统解决安全、数据存储成本高,隐私,和延迟的问题。古普塔et al。176年提出蝙蝠,一个区块链和基于ai drone-assisted远程手术系统底层6 g网络。ipf的使用导致了存储成本低、低丢包率,和低带宽消耗比前面的方法(101年]。

(1)基于硬件的解决方案。基于硬件的解决方案包括使用物理unclonable函数(PUF),使用单向散列函数。谢et al。177年)提出了一种轻量级的认证方案禁止使用PUF传感器。人体传感器建立共享密钥安全植入物之间的数据交换与低开销。谭et al。178年提出一个cloud-assisted和PUF-based身份验证方案WBAN使用多个啤酒花。它导致降低存储开销,减少数据传输损失。王等人。179年)禁止使用PUF保护传感器对没有任何加密方案和预防模拟攻击。

4所示。该方法

集成的智能医疗在用户的日常活动改善了他们的生活质量。它有许多实体如可穿戴设备、物联网传感器、移动设备、动态数据库访问信息,和互联网。他们不断地连接到共享实时医疗数据从可穿戴设备不同的预测服务来提高用户的健康。然而,这种方法很容易受到各种安全问题,如分布式拒绝服务(DDoS),会话劫持,特权升级,并注入攻击,攻击者可以很容易地操纵医疗数据误导医疗专家。因此,需要一个安全的体系结构,可以分析这样的恶意攻击者的行为。本节介绍了工作的建议的体系结构分为三层,如图4,即,data acquisition, data analysis, and application layer. A comprehensive description of each layer is as follows.

4.1。数据采集层

这一层构成多个物联网传感器放置在人体在拟议的架构中,如智能乐队,助听器,神经接口,身临其境的头盔。这些传感器收集实时身体的健康状况;例如,脑电图记录任何异常在大脑中,智能鞋提供一个人的姿势,卡路里,步数,和smartwatches监测血压、心脏和呼吸率。这些可穿戴设备有一个隐式的智能手机应用程序接口。因此,数据被收集在智能手机使用6 g网络接口(180年]。一些集中的系统内部的数据存储,如保健信息系统(他的),通常被国家收购。这对任何医生医疗信息是至关重要的,医生,药物专家,和医疗机构预测未知疾病流行和开发一种药物,人口管理和决策过程。最近的冠状病毒疫情是一个很好的例子阐明医疗数据的重要性医疗机构如世界卫生组织(世卫组织)。所有COVID-19患者的临床和健康数据可以开发一个广泛范围的COVID-19疫苗。相反,由于高数据的必要性,它总是容易受到攻击。医疗数据进行有价值的信息的用户如社会安全号码、辐射图像,保险索赔,诊断记录。攻击者可以执行数据篡改和网络攻击抓住数据用于邪恶的目的。因此,提出了一个基于ai的架构来分析网络攻击和分类正确的和攻击数据。

4.2。数据分析层

这一层巩固毫升分类器来分析医疗数据的恶意行为。为了达到这个目标,一个日志文件,是由每一个可穿戴设备必须获得进行分析的目的。原始数据集可以由分析网络活动和关键警告日志文件。收集到的原始数据集转换成一个ML-based兼容的格式,即。逗号分隔值(CSV)文件。它有医疗数据的所有用户利用可穿戴设备连接到他们的身体和攻击数据。攻击数据可以误导医生,人类生命风险,因此需要根除从正常的数据,而正常的数据进一步指导医生诊断病人。从ML的角度来看,这是一个二元分类问题;即正常数据归类为0和攻击数据分类为1。完成分类任务,需要对原始数据集预处理之前通过学习模型,作为离群值,可以误导分类器。如果数据不是标准化的,这意味着一些值很小的数据列和几大。 Missing values in the columns can make the learning model biased. Consequently, preprocess steps equipped with outlier detection, normalization, filling missing values, and feature selection are applied to the dataset. While doing so, it also needs to verify the imbalanced dataset problem, in which if the majority class is higher than the minority class, the ML model gets biased towards the majority class. Resampling techniques such as oversampling and undersampling can vividly balance the dataset. Next, the balanced dataset is divided into train and test data to validate the final prediction. The output is based on various performance metrics such as accuracy, precision, recall, and Matthews correlation coefficient (MCC) value. It is challenging to decide which metrics are reliable for proper classification, as each has its pros and cons. The MCC value has been taken as the final metric to fix this obscurity because it is popularly used in binary classification problems.

4.3。应用程序层

数据分析层分类攻击数据的有效数据,并将其转发给应用程序层通过6 g网络接口。这一层由不同的用例,如医院、药房、救护车和医疗机构验证医疗数据用于药物快速发展,早期诊断,容易跟踪和报告的障碍,和更快的临床试验。这一层也处理快速可穿戴设备之间的信息共享和急诊医学专家。例如,一个病人在远程位置和心脏病发作了,他可穿戴设备试图将这些信息通过手机网络发送到附近的医院。传统的蜂窝网络,如4 g和5克没有足够的能力把这信息容易医务人员。这是因为它有低数据率(20/10 Gbps),高延时(100 ns)和低可靠性(10 )。因此,6 g网络带来的好处,如超低延迟( ),无处不在的高速数据连接 ,可伸缩连接(10设备/平方米)和超高可靠性(99.99999%)有建议的体系结构。6 g框架提出增强应用程序层通过快速分享与医务人员的医疗数据,提高人类的寿命。

图5显示了该方法的序列流,启动智能医疗技术分类。分类法划分为可穿戴设备,身体区域网络,数字医疗。然后,讨论了智能医疗的安全方面,之后各种安全智能医疗解决方案已经提出。在智能医疗技术减轻这些安全问题,提出了一个基于ai的架构与6 g网络组成的数据采集、数据分析和应用程序层。

5。UAV-Assisted获得医疗COVID-19爆发:一个案例研究

COVID-19大流行是一个困难的世界面临着近年来爆发。COVID-19是一个极快的速度传播的传染病感染人的嘴巴或鼻子打喷嚏或咳嗽时。因此,医生很难提供足够的医疗COVID-19病人没有携带适当的预防措施。尽管个人防护装备(PPE)包、一次性手套、消毒剂、抗生素、和其他可能的预防措施,COVID-19仍然是一个危机心理健康和国家经济的影响。因此,有一个要求收集COVID-19病人数据的技术,限制身体接触,减少感染的传播。结合无人机在这种情况下可以帮助COVID-19患者的越来越多。无人机尤其在偏远地区用于卫生保健供给,快速,他们提供至关重要的药品、疫苗和血包。COVID-19然而,由于表面传播,如病毒的人咳嗽或打喷嚏会感动别人和被污染的冠状病毒的人。这非常影响医疗医生和同事不断接触COVID-19病人定期检查和跟进。因此,UAV-assisted智能和安全保健提出了如图6缓解上述问题。无人机用于收购医疗数据的用户使用他们的可穿戴设备。基于假设每个用户都有一个健身跟踪器(智能乐队)测量,如氧饱和度(热点₂),心率,温度和血压,COVID-19案件的关键。COVID-19层中,无人机收集上述测量和一起分享应用程序层通过6 g网络接口。此外,无人机配备成像和物联网传感器;例如,热传感器可以识别用户的温度大于COVID-19温度阈值,即37.8°C或更大。此外,COVID-19脱节于典型的医院和病人转移到不同COVID-19医疗中心由于传染性病毒。然而,这些中心是infrastructure-less;因此,它必须联系医院对病人每次他们需要一个更新。

因此,无人机可以有利于更快的内容交付医院和COVID-19中心之间。它可以收集数据的可穿戴设备COVID-19耐心和分享它与医院。无人机可以共享信息与继电器的无人机使用UAV-to-UAV通信如果医院很远。

5.1。数据集描述

然而,上述方法的安全问题,因为攻击者可以增殖攻击篡改医疗数据和管理。目标可穿戴设备例如,攻击者可以利用他们,获得用户的医疗数据或广播DDoS在资源受限的设备上,例如、可穿戴传感器。医生的医疗数据是至关重要的;基于这些数据,医生开始诊断。因此,至关重要的是防止医疗数据的攻击者试图为他们的恶意操纵它。我们使用一个可穿戴式医疗数据集与正常和攻击数据分析。原始数据集 行和列的数量。生成数据集使用不同的物联网传感器放置在病人床上,而基于MQ遥测传输(MQTT),攻击者的攻击已经完成。Wireshark工具部署之间的通信链路嗅嗅和捕获网络流量的原始数据。后来这个数据转化为一个适当的CSV格式作为输入到毫升模型。原始数据集有异常值,失踪,模糊值,和非规范的数据需要处理,然后再把它寄毫升模型。因此,对上述问题的验证数据集使用不同的python函数。52特征的数据集有一个很大的特征空间,需要减少使用主成分分析(PCA)。它作用于特征值和特征向量的原理,这表明必要的特性包括在数据集。图7说明了累积方差图表明最初的23个功能包含94%的方差。因此,我们减少了特征空间在我们的数据集从52到25。

接下来,处理数据分为训练数据集和测试,在训练数据是根据测试数据进行验证。然后进一步送到多个毫升分类器如射频、线性判别分析(LDA),脊,逻辑回归,朴素贝叶斯和感知器分类正常和恶意数据。从图8可以看出,射频的准确性和优于其他分类器相比。精度高是由于它的多功能性在解决分类问题,有效的决策,异常值的鲁棒性,减少噪声影响。射频使用高度相关决策树的分裂一组随机的特性。因此,RF算法认为少量的特性,而不是培训的所有特性模型。此外,它的多功能性处理二进制数字,在训练和分类功能。二元分类问题的重大问题之一是它的不平衡数据集,精度波动按照统治阶级的地方。这是充分处理的采样和RF算法,最小化的总体错误率类,建议的体系结构的影响达到更高的精度。相反,LDA算法略有低估了由于其过度拟合问题,大型数据集;然而,LDA的性能仍然与射频匹配。岭算法的扩展逻辑回归,在hyperparameter利用提高精度; however, the problem lies in its high bias and low interpretability model that reduces the algorithm’s accuracy. Additionally, a perceptron is a fundamental neural network that needs more number of hidden layers to provide better accuracy. However, doing so increases the computational complexity of the model. Therefore, we have applied only one hidden layer to reduce the complexity, but it significantly reduces the model’s accuracy.

此外,在图9,log-loss得分图由评估分类器的性能。它显示距离的预报值与实际值。散度越高的预报值与实际值,log-loss得分越高。显然从感知器有一个相当大的图log-loss分数值,因此,图中有一个指数上升曲线,而射频有微小log-loss分数值,因此,它是接近0。建议的解决方案的一些优点如下。(我)使用可穿戴技术和采用无人机通信可以提供即时治疗,尽管爆发(2)系统的延迟减少到< 1毫秒(3)增加了系统的可靠性和可伸缩性99.99999%和1099设备/平方米,分别(iv)增强了安全性和隐私的智能医疗系统利用人工智能模型

6。开放问题和研究挑战/未来的挑战和机遇

在本节中,我们统一开放的安全问题和研究在智能医疗技术挑战。

6.1。安全

数据生成的各种可穿戴设备和禁止可以遇到各种智能医疗系统的安全和隐私问题的病人数据可能包含他们的个人信息被共享不同医务人员在发送给医生。同时,数据需要来自多个传感器和无线技术的安全攻击,黑客可以通过他们的个人信息。因此,有必要调整柜台安全措施提供智能医疗系统的安全性和保密性。

6.2。数据共享

在智能医疗系统中,数据从物联网设备会共享到医疗专业人士,但现在还不能确定,他们的数据是如何处理,有多少人参与它,然后再把它传递给医生。例如,如果一些攻击者篡改数据,那么病人可以错了药,甚至没有医生的处方。它会导致延误治疗或可能更对他们的健康威胁。因此,有必要控制数据共享或引入机制确保数据传输智能医疗系统。

6.3。大量的数据

收集大量的数据从不同的可穿戴设备连接到人体。此外,这个数据是根据病人的健康状况不断变化。管理这样一个动态的、大量的信息是一项繁琐的任务。此外,不同类型的数据需要存储在不同的格式。例如,一个物联网传感器捕捉大脑的脑电图,在一个图像格式,运行一个毫升模型;它需要被转换成一个CSV格式。因此,需要有一个高效的存储机制,转换文件根据应用程序的需要。

6.4。高能源消耗

可穿戴设备battery-constrained设备持续监测和跟踪病人的健康状况;在这一过程中,它会消耗大量的电池。因此,用户需要多次充电。为了解决这个问题,用户需要把设备定期在睡眠模式下,当监测健康状况。

6.5。缺乏标准化

使用多个设备在智能医疗系统传递医疗数据。每个设备都有一组不同的协议和配置与医务人员分享这些信息。然而,没有集中的共识或标准化可用于通信、实现和部署物联网传感器在医疗保健领域。因此,有必要在这方面做研究物联网设备有不同的标准和协议可以交流没有任何皇权。

6.6。计算量大

巩固毫升吸收智能和安全的医疗是计算昂贵。这背后的原因是大量的医疗数据,这一毫升模型必须执行。随着数据集的大小增加,毫升的执行时间增加。因此,预测服务响应犯罪率医务人员在紧急情况下。因此,基于深度学习模型是利用智能医疗系统来克服这个问题。

7所示。结论

在本文中,我们提出了一个综合调查等智能医疗技术可穿戴设备,禁止和数字医疗安全与隐私问题遇到智能医疗系统。此外,比较分析各种先进的医疗方案讨论。在此基础上,我们提出了一个分类学分类不同的智能医疗技术与安全问题。然后,我们提出一个基于ai安全和可靠的架构将为智能医疗技术6 g网络接口。采用人工智能模型保证了医疗数据的安全传输医疗专业人员。此外,评估建议的体系结构,我们研究了一个案例研究在COVID-19流行设计UAV-assisted安全保健框架来防止安全攻击。最后,我们讨论了开放问题和对智能医疗技术研究的挑战。在未来,我们将探讨一个新颖的解决方案通过合并区块链技术和人工智能模型来提高智能医疗技术的安全性和可靠性。

数据可用性

没有与本研究相关的数据。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由塔伊夫大学的研究人员支持项目数量(TURSP-2020/126),塔伊夫大学,塔伊夫,沙特阿拉伯。