HEART: A High-Efficiency Adaptive Real-Time Telemonitoring Framework for Secure Electrocardiogram Signal Transmission Using Chaotic Encryption

Resumen Técnico: Marco HEART para la Transmisión Segura de ECG en Tiempo Real

Enunciado del Problema
La creciente dependencia de la telemedicina y la monitorización remota de pacientes ha creado una necesidad crítica de proteger datos biomédicos sensibles, específicamente las señales de electrocardiograma (ECG). Si bien los métodos de cifrado tradicionales garantizan la privacidad, a menudo introducen una sobrecarga computacional y latencia significativas, lo que puede obstaculizar el diagnóstico y la respuesta en tiempo real. Además, los mecanismos de intercambio de claves estáticas carecen del dinamismo necesario para la monitorización continua y personalizada de pacientes. El desafío radica en desarrollar un sistema que ofrezca seguridad robusta, baja latencia para el procesamiento en tiempo real y la capacidad de preservar la fidelidad diagnóstica, cumpliendo al mismo tiempo con estrictos estándares regulatorios (por ejemplo, GDPR, HIPAA).

Metodología
El artículo propone HEART (Marco de Telemonitorización en Tiempo Real Adaptativo de Alta Eficiencia), un sistema diseñado para la adquisición, transmisión y almacenamiento seguros de señales de ECG mediante un enfoque de cifrado caótico híbrido. La metodología opera sobre segmentos de 300 muestras (aproximadamente 0,6 segundos) adquiridos a 500 Hz mediante un preamplificador de 3 derivaciones.

1. Generación de Clave Biométrica:
   El sistema emplea un Generador de Claves Aprendizable (LKG) que deriva los parámetros de cifrado directamente de la propia señal de ECG del paciente. Para cada segmento, se calculan la media ($\mu$) y la desviación estándar ($\sigma$) para determinar dinámicamente el parámetro de control ($r$) y la condición inicial ($x_0$) para un mapa logístico:

   • $r = 3.6 + (\sigma \mod 0.4)$
   • $x_0 = 0.1 + (\mu \mod 0.8)$
     Esto asegura que la clave de cifrado sea única para el segmento biométrico específico.

2. Esquema de Cifrado Caótico:
   El proceso de cifrado utiliza un mapa logístico para generar una secuencia caótica, que impulsa dos fases distintas:

   • Permutación: La secuencia genera un índice para barajar el orden de las muestras de la señal.
   • Difusión (Máscara XOR): La secuencia se convierte en una máscara XOR para alterar los valores reales de la señal.
     Esta combinación de permutación y difusión XOR aborda las limitaciones de los esquemas de solo permutación al aleatorizar activamente los valores de los datos.

3. Integración de Aprendizaje Automático:
   Para mejorar la robustez frente al ruido y la variabilidad, el sistema incorpora una red neuronal de Perceptrón Multicapa (MLP). Este modelo se entrena para predecir los parámetros caóticos ($r, x_0$) a partir de características normalizadas del ECG. Esto permite un modo de cifrado "predictivo" donde las claves se infieren en lugar de derivarse estrictamente, ofreciendo una capa secundaria de adaptabilidad.

4. Descifrado y Diagnóstico:
   El descifrado invierte el proceso utilizando la permutación inversa y la operación XOR. El marco opera en una tubería de extremo a extremo donde los datos cifrados se almacenan en la nube, mientras que los datos descifrados se procesan simultáneamente por una Red Neuronal Convolucional (CNN) para la detección de enfermedades en tiempo real y la visualización.

Contribuciones Clave

• Arquitectura de Cifrado Caótico Mejorada: Los autores proponen un sistema novedoso que combina permutación caótica con una capa de difusión XOR, específicamente adaptado para señales de ECG en tiempo real para garantizar tanto confusión como difusión.
• Claves Dinámicas Basadas en Biométricos: A diferencia de las claves estáticas o a nivel de sesión, el sistema genera claves por segmento derivadas de la propia señal de ECG. Esto se estabiliza aún más mediante un modelo de aprendizaje automático, creando un mecanismo criptográfico personalizado y adaptativo.
• Validación de Seguridad Exhaustiva: El estudio proporciona una amplia suite de análisis de seguridad, que incluye entropía de Shannon, pruebas de frecuencia NIST SP 800-22, interrupción de correlación/autocorrelación, estadísticas de histograma y pruebas de sensibilidad (tanto de clave como de texto plano).
• Reproducibilidad y Código Abierto: Los autores han publicado todo el código fuente, los scripts de prueba y los conjuntos de datos procesados para garantizar la comparación independiente y la reproducibilidad.

Resultados Experimentales
El sistema se evaluó utilizando datos de 1.000 pacientes diferentes. Las métricas clave de rendimiento incluyen:

• Métricas de Seguridad:
  • Entropía: Las señales cifradas alcanzaron valores de entropía de Shannon entre 7,6 y 7,8 bits (acercándose al ideal de 8,0 para datos de 8 bits).
  • Correlación: La correlación de píxeles adyacentes se redujo a casi cero ($|r| < 0.02$), eliminando efectivamente las dependencias estadísticas.
  • Pruebas NIST: Las secuencias cifradas superaron la prueba de frecuencia de monobit NIST 800-22 (valores p > 0.01), mientras que las señales originales fallaron.
  • Sensibilidad: El sistema demostró alta sensibilidad a los cambios de clave (efecto avalancha) y a las modificaciones del texto plano.
  • Espacio de Claves: Aunque el espacio global $(r, x_0)$ se estima en ~12,94 bits, los autores aclaran que la seguridad depende de la actualización por segmento, la parametrización con sal y la difusión, en lugar del tamaño del espacio de claves en bruto por sí solo. Se utilizó el cálculo de entropía mínima para proporcionar límites inferiores distribucionales contra búsquedas exhaustivas.
• Rendimiento y Fidelidad:
  • Latencia: El tiempo promedio de cifrado fue de 0,0012 segundos (1,2 ms) y el de descifrado de 0,0001 segundos (0,1 ms), confirmando su idoneidad para aplicaciones en tiempo real.
  • Calidad de Reconstrucción: El sistema logró un descifrado casi sin pérdidas con un Error Cuadrático Medio (MSE) de $\approx 5 \times 10^{-6}$, una Relación Señal-Ruido de Pico (PSNR) > 52 dB y un Error Absoluto Medio (MAE) $\approx 0.002$.
  • Robustez: El sistema mantuvo tasas de error bajas bajo ataques de ruido y oclusión.

Significado y Afirmaciones
El artículo afirma que el marco HEART cierra exitosamente la brecha entre los requisitos de alta seguridad y las demandas de baja latencia de la telemedicina en tiempo real. Al integrar la generación de claves biométricas con cifrado caótico y aprendizaje automático, el sistema ofrece una solución escalable que elimina las sobrecargas tradicionales de intercambio de claves.

Los autores notan modestamente que, si bien la fidelidad de reconstrucción global es alta y suficiente para la monitorización y visualización general, ciertas características morfológicas (como la amplitud QRS y los intervalos PR) mostraron desviaciones medibles después del descifrado. En consecuencia, afirman que, aunque el sistema es efectivo para la transmisión segura y la obtención de conocimientos diagnósticos amplios, es necesario un mayor refinamiento para garantizar la preservación de todos los marcadores clínicamente sensibles (por ejemplo, cambios en el segmento ST) para un diagnóstico definitivo. El estudio posiciona esta arquitectura como una dirección prometedora para el procesamiento de señales biomédicas que preserva la privacidad, con extensiones potenciales a otras señales como EEG y EMG.