نموذج هجين للكشف عن التسلل في شبكات إنترنت الأشياء الطبية في الزمن الحقيقي

تحدث شبكات إنترنت الأشياء الطبية ثورة في الرعاية الصحية من خلال تمكين المراقبة المستمرة للمرضى والتشخيص المبكر والعلاجات المخصصة، غير أن هذا الاتصال الدائم يفتح أبوابًا جديدة للمخاطر، إذ يخلق تنوع الأجهزة وغياب البروتوكولات الموحدة ثغرات أمنية جسيمة قد تهدد سلامة المرضى وسرية بياناتهم، وتزداد هذه المخاطر حدة مع تنوع أنماط الهجمات وتطورها المستمر، مما يجعل أنظمة الكشف عن التسلل التقليدية عاجزة عن مواكبتها، وتقدم هذه الدراسة نموذجًا هجينًا جديدًا يجمع بين نوعين من الشبكات العصبية لمواجهة هذا التحدي في الزمن الحقيقي

وتكمن أهمية هذا العمل في أن أمن الشبكات الطبية لم يعد مسألة تقنية هامشية، بل شرطًا لاستمرار الثقة في الرعاية الرقمية ذاتها، فأي اختراق لجهاز مراقبة أو مضخة علاج قد تترتب عليه عواقب سريرية مباشرة، ومن هنا يصبح الكشف المبكر والدقيق عن الهجمات جزءًا من سلامة المريض لا من أمن المعلومات وحده

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى اقتراح نظام هجين للكشف عن التسلل يجمع بين شبكات الذاكرة الطويلة قصيرة المدى ثنائية الاتجاه والشبكات العصبية العميقة، مستفيدًا من التبعيات الزمنية في حركة الشبكة ومن الاستخلاص الهرمي للسمات في آن واحد، ودرب الباحثون النموذج وقيّموه على مجموعة بيانات متخصصة في أمن إنترنت الأشياء الطبية صدرت عام 2024 وتعكس بدقة تنوع الأجهزة ومتجهات الهجوم في بيئات الرعاية المتصلة، وخضعت البيانات لمعالجة أولية صارمة شملت تنظيف البيانات واختيار السمات عبر تحليل الارتباط والإزالة التكرارية ثم تطبيع السمات

ثانيًا: أبرز النتائج

1، حقق النموذج المقترح دقة تصنيف بلغت 98.81 في المئة عبر 19 نوعًا من الهجمات، مما يؤكد متانته وقابليته للتوسع في مواجهة أنماط هجوم معقدة ومتطورة

2، عزز النهج الهجين دقة الكشف وقدرة التعميم مقارنة بنماذج الكشف عن التسلل القائمة، إذ جمع بين فهم التسلسل الزمني لحركة الشبكة واستخلاص السمات الهرمية العميقة، فاستطاع التقاط إشارات هجوم قد تفوت النماذج أحادية البنية

3، أثبتت المعالجة الأولية الصارمة للبيانات، بما فيها اختيار السمات وتطبيعها، دورًا محوريًا في جودة النتائج، إذ هيأت للنموذج مدخلات نظيفة ومركزة تعكس فعلًا تنوع الأجهزة ومتجهات الهجوم في البيئات الصحية المتصلة

ثالثًا: دلالات الدراسة وتطبيقاتها

تشير النتائج إلى أن الجمع بين البنى العصبية المتكاملة يمثل مسارًا واعدًا لتعزيز الوضع الأمني لشبكات إنترنت الأشياء الطبية أمام التهديدات الناشئة، وتدعو المؤسسات الصحية إلى تبني أنظمة كشف تعمل في الزمن الحقيقي وتتكيف مع أنماط الهجوم المتغيرة، بدل الاكتفاء بالدفاعات الساكنة، كما تفتح الدراسة الباب أمام اختبار النموذج في بيئات سريرية حية وتوسيع نطاقه ليشمل أجهزة وأنواع هجمات إضافية، بما يحفظ استمرارية الرعاية المتصلة وثقة المرضى فيها

وتكمن قوة النهج الهجين في أنه لا يكتفي برصد الحزم الشاذة منفردة، بل يقرأ سياقها الزمني ويفهم تسلسل الأحداث داخل الشبكة، مما يقلل الإنذارات الكاذبة ويرفع قدرة النظام على تمييز الهجوم الحقيقي عن السلوك غير المعتاد لكنه مشروع، كما أن الاستخلاص الهرمي للسمات يتيح للنموذج التقاط أنماط دقيقة قد تخفى على الأنظمة القائمة على قواعد ثابتة، وتزداد أهمية هذه القدرة مع اتساع شبكات الرعاية المتصلة وتنوع أجهزتها، إذ يصبح الدفاع القائم على التوقيعات المعروفة غير كاف أمام هجمات تتغير باستمرار، ومن هنا يمثل النموذج المقترح توجهًا نحو أنظمة دفاع تتعلم وتتكيف بدل أن تكتفي بالحظر المسبق، ويفتح هذا النهج الباب أمام دمج أنظمة الكشف في منصات إدارة الشبكات الصحية، بحيث تصبح الحماية جزءًا من البنية التشغيلية لا طبقة إضافية تثقلها، وبما يحفظ استمرارية الخدمة الطبية أثناء التصدي للتهديد

وخلاصة القول إن أمن الرعاية الصحية المتصلة يبدأ من القدرة على رؤية الهجوم لحظة وقوعه، والنموذج الهجين المقترح يقدم خطوة عملية نحو هذه الرؤية بدقة عالية وقدرة تعميم واعدة