أمن إنترنت الأشياء في الرعاية الصحية: إطار شفاء ذاتي متحقق منه بتقنيات ما بعد الكم

تتسع شبكات إنترنت الأشياء في الرعاية الصحية لتشمل أجهزة مراقبة المرضى والمستشعرات القابلة للارتداء وأنظمة المستشفيات الذكية، ومع هذا الاتساع تتزايد مخاطر الهجمات السيبرانية التي قد تعطل خدمات حيوية أو تعرض بيانات المرضى وخصوصيتهم للخطر، وتتطلب حماية هذه الأنظمة آليات دفاع أسرع في كشف الشذوذ وأكثر سلاسة في التعافي من الهجمات دون إيقاف الخدمة، وتزداد الحاجة إلحاحًا مع اقتراب عصر الحوسبة الكمية التي تهدد خوارزميات التحقق والتشفير التقليدية، ما يستدعي حلولًا تجمع الكشف العميق عن الهجمات والتحقق ما بعد الكمي والاسترجاع الآمن إلى نقاط تفتيش موثوقة سابقة

تتجاوز أهمية هذه الحلول حماية البيانات إلى حماية استمرارية الرعاية ذاتها، فتوقف أنظمة المراقبة الطبية ولو لدقائق معدودات قد يعرض حياة المرضى للخطر، ولذلك لا يكفي اكتشاف الهجوم بل يلزم تقدير شدته واختيار أسلوب استرجاع متناسب معه، سواء أكان استرجاعًا جزئيًا محدودًا أم متوسطًا أم كاملًا، مع التأكد من أن نقطة الاسترجاع المختارة سليمة ولم يطالها الاختراق، وتنتمي الدراسة موضوع هذا المقال إلى هذا الاتجاه، إذ تقترح إطارًا متكاملًا للشفاء الذاتي لأنظمة إنترنت الأشياء الصحية يجمع التحليل العميق للشذوذ والتحقق ما بعد الكمي واختيار نقاط التفتيش بذكاء واع بالمخاطر وبالسياسات المؤسسية

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى حماية أنظمة إنترنت الأشياء في الرعاية الصحية عبر كشف فعال للشذوذ بالتعلم العميق واسترجاع النظام إلى أقرب نقطة تفتيش آمنة جرى التحقق منها بتقنية ما بعد الكم المعروفة بخوارزمية ديليثيوم البلورية للتوقيعات الرقمية، واقترح الباحثان بنية من طبقتين تضم في الأولى الكشف العميق عن الشذوذ وتحليل شدة الهجوم، وفي الثانية التحقق ما بعد الكمي لاختيار نقطة استرجاع آمنة موجهة بالسياسات وبناء على تقويم متعدد العوامل للمخاطر، كما استخدم إطار تعلم معزز في مرحلة اختيار نقطة التفتيش لانتقاء النقطة صاحبة أفضل درجة جودة، وطُبق النموذج وقُيم على مجموعتي بيانات بارزتين لشبكات إنترنت الأشياء الصحية إحداهما لعام 2020 والأخرى لعام 2024، بمؤشرات شملت احتمال الهجوم ودرجة الثقة وزمن التحقق وزمن الاسترجاع وجودة الاسترجاع والدقة والاستدعاء ومعدل الإيجابيات الكاذبة

ثانيًا: أبرز النتائج

1، حقق النموذج عبر مجموعتي البيانات متوسط احتمال هجوم قدره 59.23 في المئة ودرجة ثقة قدرها 94.00 في المئة ودرجة شذوذ قدرها 5.61 في المئة ودرجة شدة قدرها 69.50 في المئة، بما يعكس حساسية عالية في رصد الهجمات وتقدير خطورتها النسبية بدقة قابلة للاعتماد عليها تشغيليًا

2، بلغ متوسط درجة الثقة في النظام 75.86 في المئة ونسبة زمن التشغيل المستقر 98.37 في المئة وجودة الاسترجاع 72.93 في المئة، مع زمن تحقق قدره 11.28 نانوثانية وزمن استرجاع قدره 26.61 نانوثانية، بما يبقي الخدمة متاحة أثناء الاستجابة للهجمات

3، سجل النموذج درجة إف واحد قدرها 98.37 في المئة واستدعاء قدره 98.28 في المئة ودقة إصابة قدرها 98.4 في المئة ومعدل إيجابيات كاذبة منخفضًا جدًا قدره 0.045 في المئة، واقترح بناء على تحليل الشدة أسلوب الاسترجاع المناسب من بين الاسترجاع الجزئي المصغر والمتوسط والكامل

ثالثًا: دلالات الدراسة وتطبيقاتها

تفتح هذه النتائج بابًا لتطبيقات عملية في أمن المستشفيات الذكية، إذ يمكن دمج أطر الشفاء الذاتي في منصات إدارة أجهزة إنترنت الأشياء الطبية لتقليل زمن التعطل بعد الهجمات ورفع استمرارية الخدمات الحيوية للمريض، كما يعزز التحقق ما بعد الكمي جاهزية البنى الصحية للتهديدات الكمية المستقبلية قبل وقوعها، وتفيد المقاربة القائمة على تقدير الشدة في تجنب الاسترجاعات الكاملة المكلفة والمعطلة حين يكفي استرجاع جزئي محدود يعالج موضع الخطر فقط، غير أن تطبيق هذه الأطر على نطاق واسع يتطلب اختبارات ميدانية في بيئات سريرية حقيقية ودراسة كلفتها الحاسوبية على الأجهزة الطبية محدودة الموارد والطاقة

وخلاصة القول، يقدم الإطار المقترح مقاربة متكاملة تجمع كشف الشذوذ العميق وتقدير شدة الهجوم والتحقق ما بعد الكمي والاسترجاع الذكي إلى نقاط تفتيش موثوقة، محققًا مؤشرات أداء قوية عبر مجموعتي بيانات صحيتين متخصصتين، وهو ما يعزز أمن أنظمة إنترنت الأشياء في الرعاية الصحية واستمرارية خدماتها الحيوية، ويمنح الباحثين في أمن المعلومات الصحية أساسًا قابلًا للتطوير نحو منظومات علاجية رقمية أكثر صمودًا أمام هجمات الحاضر والمستقبل