Résumé:
L’internet des objets médicaux est un ensemble de dispositifs médicaux et d’applications
qui se connectent aux système de santé via Internet afin de partager des données
sensibles, cela aident l’industrie de santé à avoir de meilleurs contacts et soins envers leurs
patients, l’inconvénient de cette technologie réside dans la confidentialité et la sécurité des
données, les cyberattaques dans le secteur de la santé ont accéléré au cours des dernières
années à cause de l’augmentation du nombre des utilisateurs de l’IoMT dû à l’élévation
des patients souffrant de maladies chroniques et des épidémies. De ce fait, dans de nombreux
travaux, la sécurisation des applications et des données de santé attire l’attention
des chercheurs. L’objectif principal de cette recherche est de développer un système robuste
et efficace qui répond aux exigences de sécurité dans l’espace de la santé connectée.
Plus précisément, nous développons un mécanisme de détection d’attaque fédéré dans
les dispositifs de santé connectés en utilisant un système de détection d’intrusion basé
sur l’apprentissage profond (DL) afin de classifier les attaques et améliorer la sécurité de
l’IoMT grâce à sa capacité à détecter les attaques zero-day et les nouvelles attaques, et
aussi éviter le transfert des données privés entre les périphériques grâce à l’adoption de
l’approche de FL . Nos résultats expérimentaux démontrent que notre approche a atteint
une précision intéressante, avec un taux d’Accuracy égale a 98% en utilisent UNSW-NB15
comme jeux de données.
mot clés : iomt, Apprentissage Fédéré, Apprentissage Profond, Système de Détection d’Intrusion.
