Smart Honeypot for Threat Detection and Classification in IoMt Networks
यह शोधपत्र HoneyMed प्रस्तुत करता है, जो IoMT नेटवर्क के लिए एक प्रोटोकॉल-जागरूक हनीपॉट फ्रेमवर्क है जो वास्तविक समय में हमलों को पकड़ने और वर्गीकृत करने के लिए चिकित्सा सेवाओं का अनुकरण करता है, जो रैंडम फॉरेस्ट के साथ 98.50% सटीकता प्राप्त करता है और उत्पादन संपत्तियों को जोखिम में डाले बिना ब्लॉकचेन-तैयार साक्ष्य उत्पन्न करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आजकल अस्पताल जुड़े हुए उपकरणों के एक विशाल नेटवर्क पर निर्भर हैं, जिसमें बेडसाइड पर मौजूद पेशेंट मॉनिटर से लेकर रेडियोलॉजी विंग में इमेजिंग सिस्टम तक शामिल हैं। ये उपकरण, जिन्हें अक्सर 'इंटरनेट ऑफ मेडिकल थिंग्स' कहा जाता है, डॉक्टरों को महत्वपूर्ण संकेतों (वाइटल्स) को ट्रैक करने और डेटा तुरंत साझा करने की अनुमति देते हैं, लेकिन यह निरंतर जुड़ाव समस्याओं का द्वार भी खोल देता है। चूंकि इनमें से कई उपकरण इंटरनेट के प्रतिकूल वातावरण के बजाय भरोसेमंद अस्पताल नेटवर्क के लिए बनाए गए थे, इसलिए वे उन हमलावरों के लिए असुरक्षित हो सकते हैं जो घुसपैठ करने, डेटा चुराने या महत्वपूर्ण उपकरणों को बंद करने की कोशिश करते हैं। पारंपरिक सुरक्षा उपाय अक्सर वास्तविक मशीन पर हमला होने का इंतजार करते हैं ताकि अलार्म बजाया जा सके, जो संवेदनशील चिकित्सा उपकरणों के लिए बहुत देर हो सकती है। इस समस्या को हल करने के लिए, शोधकर्ताओं ने 'डसेप्शन' (छल/धोखा देने) की रणनीति की ओर रुख किया है: एक नकली लक्ष्य स्थापित करना जो इतना वास्तविक दिखे कि हमलावर को लुभा सके, जिससे सुरक्षा टीमें वास्तविक मरीजों को जोखिम में डाले बिना घुसपैखिया के व्यवहार का अध्ययन कर सकें।
भारत के रामैया इंस्टीट्यूट ऑफ टेक्नोलॉजी के शोधकर्ताओं की एक टीम ने हनीमेड (HoneyMed) नामक एक नया सिस्टम बनाया है ताकि इस विचार को विशेष रूप से मेडिकल नेटवर्क के लिए व्यावहारिक रूप दिया जा सके। उनका लक्ष्य एक डिजिटल जाल बनाना था जो अस्पतालों द्वारा उपयोग की जाने वाली विशिष्ट सेवाओं, जैसे कि मेडिकल इमेज भेजने या पेशेंट डेटा की निगरानी करने वाले प्रोटोकॉल की नकल कर सके। वास्तविक उल्लंघन का इंतजार करने के बजाय, हनीमेड नेटवर्क पर चुपचाप बैठा रहता है, एक पेशेंट मॉनिटर और मेडिकल रिकॉर्ड्स के सर्वर होने का ढोंग करता है। जब कोई हमलावर सिस्टम की जांच करता है, कमजोरियां ढूंढता है या पासवर्ड अनुमान लगाने की कोशिश करता है, तो वे वास्तविक डिवाइस के बजाय इस नकली डिवाइस के साथ इंटरैक्ट करते हैं। सिस्टम हमलावर द्वारा किए गए हर कदम को कैप्चर करता है, जैसे कि उनके द्वारा भेजे गए डेटा का आकार या उनके द्वारा निष्पादित किए जाने वाले विशिष्ट कमांड।
एक बार जब सिस्टम इस संदिग्ध गतिविधि को पकड़ लेता है, तो यह केवल कच्चे डेटा को स्टोर नहीं करता है; यह तुरंत इसका विश्लेषण करता है ताकि यह समझा जा सके कि किस प्रकार का हमला हो रहा है। शोधकर्ताओं ने कंप्यूटर प्रोग्रामों को कैप्चर किए गए ट्रैफिक के पैटर्न को पहचानने के लिए प्रशिक्षित किया, जिससे घुसपैठ को ट्रैफिक से सिस्टम को ओवरवेल्म करने के प्रयासों, पासवर्ड अनुमान लगाने के प्रयासों, या नेटवर्क पर क्या है यह देखने के लिए साधारण स्कैनिंग जैसी श्रेणियों में वर्गीकृत किया जा सके। अपने परीक्षणों में, सिस्टम ने इन प्रोग्रामों को यह सिखाने के लिए कि सामान्य गतिविधि और दुर्भावनापूर्ण हमले के बीच अंतर कैसे किया जाए, 5,000 सिम्युलेटेड इंटरैक्शन के एक डेटासेट का उपयोग किया। परिणामों ने दिखाया कि एक विशिष्ट विधि, जिसे रैंडम फॉरेस्ट क्लासिफायर (Random Forest classifier) के रूप में जाना जाता है, इस कार्य में असाधारण रूप से अच्छा था, जिसने 98.50% मामलों में हमले के प्रकार की सही पहचान की।
यह सिस्टम हल्का और तेज़ डिज़ाइन किया गया है, जिसका अर्थ है कि यह महंगे, विशेष हार्डवेयर की आवश्यकता के बिना मानक अस्पताल कंप्यूटरों पर चल सकता है। यह हमले के जटिल डेटा को सरल, समझने योग्य विशेषताओं में तोड़ देता है, जैसे कि कितना डेटा भेजा गया या क्या हमलावर ने लॉगिन क्रेडेंशियल शामिल किए थे। यह दृष्टिकोण सिस्टम को यह समझाने की अनुमति देता है कि उसने किसी घटना को खतरनाक क्यों माना, जो चिकित्सा सुरक्षा के लिए एक महत्वपूर्ण विशेषता है जहाँ यह समझना कि "क्यों" उतना ही महत्वपूर्ण है जितना कि डिटेक्शन (पहचान) स्वयं। इसके अलावा, यह सुनिश्चित करने के लिए कि हमले के साक्ष्य को बाद में बदला न जा सके, सिस्टम प्रत्येक घटना के लिए एक अद्वितीय डिजिटल फिंगरप्रिंट बनाता है, जो भविष्य की समीक्षा या कानूनी उद्देश्यों के लिए रिकॉर्ड को सुरक्षित करता है।
एक लाइव टेस्ट में, शोधकर्ताओं ने अपने नकली पेशेंट मॉनिटर के खिलाफ विभिन्न हमलों का अनुकरण किया, जिसमें अनुरोधों की बाढ़ लाने के प्रयास और छिपी हुई सेवाओं की जांच शामिल थी। हनीमेड सिस्टम ने इन सिम्युलेटेड घुसपैठ को वास्तविक समय में सफलतापूर्वक पकड़ा, उन्हें एक डैशबोर्ड पर प्रदर्शित किया जो दिखा रहा था कि वास्तव में क्या हो रहा है और किन सेवाओं को निशाना बनाया जा रहा है। जबकि सिस्टम ने पासवर्ड गेसिंग और नेटवर्क स्कैनिंग जैसे सामान्य हमलों को पकड़ने में अत्यधिक प्रभावी साबित हुआ, शोधकर्ताओं ने नोट किया कि इसे हानिरहित जांच (प्रोबिंग) और अधिक सूक्ष्म, कम-आवृत्ति वाले टोही (रेकोनेसेंस) प्रयासों के बीच अंतर करने में थोड़ी कठिनाई हुई। यह सुझाव देता है कि हालांकि सिस्टम तत्काल खतरे का पता लगाने के लिए एक शक्तिशाली उपकरण है, इसे सबसे गुप्त रूप से काम करने वाले पर्यवेक्षकों को पकड़ने के लिए अभी भी परिष्कृत करने की आवश्यकता हो सकती है।
यह कार्य यह प्रदर्शित करता है कि एक ऐसा सुरक्षा सिस्टम बनाना संभव है जो मेडिकल उपकरणों को वास्तविक मरीजों से दूर लुभाकर और एक नियंत्रित वातावरण में ले जाकर उनकी रक्षा कर सके जहाँ उनके कार्यों का अध्ययन और उन्हें रोका जा सके। छलावरण (डसेप्शन) की कला को स्मार्ट, व्याख्यात्मक विश्लेषण के साथ जोड़कर, हनीमेड अस्पतालों को खतरों को नुकसान पहुँचाने से पहले देखने का एक व्यावहारिक तरीका प्रदान करता है। शोधकर्ता इस बात पर जोर देते हैं कि उनके वर्तमान परिणाम सिमुलेशन और उनके द्वारा बनाए गए एक विशिष्ट डेटासेट से आए हैं, इसलिए सिस्टम का अभी तक वास्तविक मरीज डेटा के साथ लाइव अस्पताल वातावरण में परीक्षण नहीं किया गया है। हालांकि, प्रोटोटाइप यह दिखाता है कि नकली लक्ष्यों और बुद्धिमान विश्लेषण का संयोजन खतरों का एक स्पष्ट दृश्य प्रदान कर सकता है, जो आधुनिक स्वास्थ्य सेवा नेटवर्क के सामने मौजूद खतरों को समझने का एक नया तरीका है, जो एक नया रक्षा स्तर प्रदान करता है जो वास्तविक चिकित्सा उपकरणों को सुरक्षित रखते हुए घुसपैठ के प्रयासों से सीखता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।