[논문]의료기기 네트워크 트래픽 보안 관련 머신러닝 알고리즘 성능 비교

고승형; 박준호; 왕다운; 강은석; 한현욱

doi:10.9716/kits.2023.22.5.099

의료기기 네트워크 트래픽 보안 관련 머신러닝 알고리즘 성능 비교
Performance Comparison of Machine Learning Algorithms for Network Traffic Security in Medical Equipment 원문보기

한국IT서비스학회지 = Journal of Information Technology Services, v.22 no.5, 2023년, pp.99 - 108

고승형 (차의과학대학교 의학전문대학원 정보의학교실) , 박준호 (차의과학대학교 의학전문대학원 정보의학교실) , 왕다운 (차의과학대학교 의학전문대학원 정보의학교실) , 강은석 (차의과학대학교 의학전문대학원 정보의학교실) , 한현욱 (차의과학대학교 의학전문대학원 정보의학교실)

Abstract ▼ AI-Helper

As the computerization of hospitals becomes more advanced, security issues regarding data generated from various medical devices within hospitals are gradually increasing. For example, because hospital data contains a variety of personal information, attempts to attack it have been continuously made. In order to safely protect data from external attacks, each hospital has formed an internal team to continuously monitor whether the computer network is safely protected. However, there are limits to how humans can monitor attacks that occur on networks within hospitals in real time. Recently, artificial intelligence models have shown excellent performance in detecting outliers. In this paper, an experiment was conducted to verify how well an artificial intelligence model classifies normal and abnormal data in network traffic data generated from medical devices. There are several models used for outlier detection, but among them, Random Forest and Tabnet were used. Tabnet is a deep learning algorithm related to receive and classify structured data. Two algorithms were trained using open traffic network data, and the classification accuracy of the model was measured using test data. As a result, the random forest algorithm showed a classification accuracy of 93%, and Tapnet showed a classification accuracy of 99%. Therefore, it is expected that most outliers that may occur in a hospital network can be detected using an excellent algorithm such as Tabnet.

주제어

참고문헌 (17)

권혁찬, 정병호, 문대성, 김익균, "커넥티드 의료기기？해킹 및 랜섬웨어 대응기술 동향", 전자통신동향분석, 제36권, 제5호, 2021, 21-31.
김강현, 정성수, 한현욱. "딥러닝 기반 병원네트워크？이상행위 탐지 시스템에 관한 연구", 한국통신학회 학술대회논문집, 2022, 490-491.
김기환, 최성수, 김일환, 신용태, "디지털헬스케어 차세대 정보보호체계수립방안에 대한 연구", 한국컴퓨터정보학회논문지, 제27권, 제7호, 2022,？57-64.
우성희, 이효정, "IoMT 기술과 의료정보 보안", 한국정보통신학회 종합학술대회 논문집, 제25권, 제1호, 2021, 641-643.
이식, 김동훈, 조영훈, 명준우, 문다민, 이재구, 윤명근,？"머신러닝 기반 보안데이터 분석 연구", 정보보호학회지, 제29권, 제3호, 2019, 6-13.
최성호, 곽진, "국외 의료기기 보안위협 사례 및 보안동향 조사", 정보보호학회지, 제25권, 제3호,？2015, 11-18.
Alosaimi, S. and S.M. Almutairi, "An Intrusion？Detection System Using BoT-IoT", Applied？Sciences, Vol.13, No.9, 2023, 5427.
Arik, S.O. and T. Pfister, "TabNet: Attentive？Interpretable Tabular Learning", Proceedings of the AAAI Conference on Artificial？Intelligence, Vol.35, No.9, 2021, 6679-6687.
Bradley, A.P., "The use of the area under the？ROC curve in the evaluation of machine？learning algorithms", Pattern Recognition,？Vol.30, No.7, 1997, 1145-1159.

상세보기
Random forest, Available at http://www.incodom.kr/Random_Forest (Accessed August,？10. 2023).
Flach P., J. Hernandez-Orallo, and C. Ferri, "A？Coherent Interpretation of AUC as a Measure？of Aggregated Classification Performance",？Proceedings of the 28th International？Conference on International Conference on？Machine Learning, 2011, 657-664.
Ho, T. K., "Random Decision Forest", Proceedings？of the 3rd International Conference on？Document Analysis and Recognition, 1995,？278-282.
Kumar, M., A. Kumar, S. Verma, P. Bhattacharya,？D. Ghimire, S.-H. Kim, A.S.M.S. Hosen,？"Healthcare Internet of Things (H-IoT):？Current Trends, Future Prospects, Applications, Challenges, and Security Issues",？Electronics, Vol.12, No.9, 2023, 1-19.
Lipton, Z.C., C. Elkan, and B. Narayanaswamy,？"Thresholding Classifiers to Maximize F1？Score", 2014, Available at https://arxiv.org/pdf/1402.1892.pdf (Accessed August, 10. 2023).
Machine learning-based NIDS 데이터 세트, 2020,？Available at https://staff.itee.uq.edu.au/marius/NIDS_데이터 세트/ (Accessed August, 10. 2023).
Official pyTorch TabNet, Availabel at https://github.com/dreamquark-ai/tabnet (Accessed August, 10. 2023).
Yang, T. and Y. Ying, "AUC Maximization in？the Era of Big Data and AI: A Survey", 2022,？Availabe at https://arxiv.org/abs/2203.15046？(Accessed August, 10. 2023).

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증