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

기술 요약: 안전한 실시간 ECG 전송을 위한 HEART 프레임워크

문제 제기
원격 의료 및 원격 환자 모니터링에 대한 의존도가 증가함에 따라, 특히 심전도 (ECG) 신호와 같은 민감한 생체 의료 데이터를 보호하기 위한 절실한 필요성이 대두되었습니다. 전통적인 암호화 방법은 프라이버시를 보장하지만, 종종 상당한 계산 오버헤드와 지연 시간을 초래하여 실시간 진단 및 대응을 저해할 수 있습니다. 또한, 정적 키 교환 메커니즘은 지속적이고 개인화된 환자 모니터링에 필요한 역동성이 부족합니다. 과제는 엄격한 규제 기준 (예: GDPR, HIPAA) 을 준수하면서도 강력한 보안, 실시간 처리를 위한 낮은 지연 시간, 그리고 진단 충실도를 유지할 수 있는 시스템을 개발하는 데 있습니다.

방법론
본 논문은 하이브리드 혼돈 (chaotic) 암호화 방식을 사용하여 ECG 신호의 안전한 획득, 전송 및 저장을 위해 설계된 HEART(High-Efficiency Adaptive Real-Time Telemonitoring Framework) 를 제안합니다. 이 방법론은 3-lead 프리앰프를 통해 500 Hz 로 획득된 300 샘플 구간 (약 0.6 초) 을 기반으로 작동합니다.

1. 생체 인식 키 생성:
   시스템은 환자의 고유한 ECG 신호에서 직접 암호화 매개변수를 유도하는 **학습 가능한 키 생성기 **(Learnable Key Generator, LKG)를 사용합니다. 각 구간에 대해 평균 ($\mu$) 과 표준 편차 ($\sigma$) 를 계산하여 로지스틱 맵 (logistic map) 의 제어 매개변수 ($r$) 와 초기 조건 ($x_0$) 을 동적으로 결정합니다:

   • $r = 3.6 + (\sigma \mod 0.4)$
   • $x_0 = 0.1 + (\mu \mod 0.8)$
     이를 통해 암호화 키가 특정 생체 인식 구간에 고유하도록 보장합니다.

2. 혼돈 암호화 방식:
   암호화 과정은 혼돈 시퀀스를 생성하는 로지스틱 맵을 활용하여 두 가지 구분을 주도합니다:

   • 순열 (Permutation): 시퀀스가 신호 샘플의 순서를 섞는 인덱스를 생성합니다.
   • 확산 (XOR Masking): 시퀀스를 XOR 마스크로 변환하여 신호의 실제 값을 변경합니다.
     순열과 XOR 확산의 이러한 결합은 데이터 값을 능동적으로 무작위화함으로써 순열 전용 방식의 한계를 해결합니다.

3. 머신러닝 통합:
   노이즈와 변동성에 대한 견고성을 강화하기 위해 시스템은 다층 퍼셉트론 (MLP) 신경망을 통합합니다. 이 모델은 정규화된 ECG 특징으로부터 혼돈 매개변수 ($r, x_0$) 를 예측하도록 훈련됩니다. 이를 통해 키가 엄격하게 유도되는 것이 아니라 추론되는 '예측적' 암호화 모드가 가능해지며, 적응성을 제공하는 2 차 계층을 제공합니다.

4. 복호화 및 진단:
   복호화는 역순열 및 XOR 연산을 사용하여 과정을 역전시킵니다. 이 프레임워크는 암호화된 데이터가 클라우드에 저장되는 동안 복호화된 데이터가 실시간 질병 탐지 및 시각화를 위해 합성곱 신경망 (CNN) 에 의해 동시에 처리되는 엔드 투 엔드 파이프라인으로 작동합니다.

주요 기여

• 향상된 혼돈 암호화 아키텍처: 저자들은 혼돈 순열과 XOR 확산 계층을 결합하여 실시간 ECG 신호에 특화되고 혼돈 (confusion) 과 확산 (diffusion) 을 모두 보장하는 새로운 시스템을 제안합니다.
• 생체 인식 기반 동적 키링: 정적 또는 세션 수준의 키와 달리, 이 시스템은 ECG 신호 자체에서 유도된 구간별 키를 생성합니다. 이는 ML 모델에 의해 추가적으로 안정화되어 개인화되고 적응적인 암호화 메커니즘을 창출합니다.
• 포괄적인 보안 검증: 본 연구는 섀넌 엔트로피, NIST SP 800-22 주파수 테스트, 상관/자기상관 교란, 히스토그램 통계, 그리고 민감도 테스트 (키 및 평문 모두) 를 포함한 광범위한 보안 분석 세트를 제공합니다.
• 재현성 및 오픈 소스: 저자들은 독립적인 벤치마킹과 재현성을 보장하기 위해 모든 소스 코드, 테스트 스크립트, 그리고 처리된 데이터 세트를 공개했습니다.

실험 결과
시스템은 1,000 명의 다른 환자 데이터를 사용하여 평가되었습니다. 주요 성능 지표는 다음과 같습니다:

• 보안 지표:
  • 엔트로피: 암호화된 신호는 7.6 에서 7.8 비트 사이의 섀넌 엔트로피 값을 달성했습니다 (8 비트 데이터의 이상적인 8.0 에 근접).
  • 상관관계: 인접 픽셀 상관관계는 거의 0 ($|r| < 0.02$) 으로 감소하여 통계적 의존성을 효과적으로 제거했습니다.
  • NIST 테스트: 암호화된 시퀀스는 NIST 800-22 모노비트 주파수 테스트 (p-값 > 0.01) 를 통과한 반면, 원본 신호는 통과하지 못했습니다.
  • 민감도: 시스템은 키 변경 (눈사태 효과) 및 평문 수정에 대해 높은 민감도를 보여주었습니다.
  • 키 공간: 전역 $(r, x_0)$ 공간은 약 12.94 비트로 추정되지만, 저자들은 보안이 키 공간 크기 자체보다는 구간별 갱신, 소금 처리된 매개변수화, 그리고 확산에 의존한다고 명확히 했습니다. 최소 엔트로피 계산을 사용하여 포괄적 검색에 대한 분포적 하한을 제공했습니다.
• 성능 및 충실도:
  • 지연 시간: 평균 암호화 시간은 0.0012 초 (1.2 ms) 이었고, 복호화는 0.0001 초 (0.1 ms) 였으며, 이는 실시간 응용 프로그램에 적합함을 확인시켜 주었습니다.
  • 재구성 품질: 시스템은 평균 제곱 오차 (MSE) 가 $\approx 5 \times 10^{-6}$, 피크 신호 대 잡음비 (PSNR) 가 52 dB 초과, 평균 절대 오차 (MAE) 가 $\approx 0.002$인 거의 무손실 복호화를 달성했습니다.
  • 견고성: 시스템은 노이즈 및 가림 공격 하에서 낮은 오류율을 유지했습니다.

의의 및 주장
본 논문은 HEART 프레임워크가 높은 보안 요구 사항과 실시간 원격 의료의 낮은 지연 시간 요구 사항 사이의 간극을 성공적으로 연결한다고 주장합니다. 생체 인식 키 생성과 혼돈 암호화 및 머신러닝을 통합함으로써, 이 시스템은 전통적인 키 교환 오버헤드를 제거하는 확장 가능한 솔루션을 제공합니다.

저자들은 전역 재구성 충실도가 높고 일반적인 모니터링 및 시각화에 충분하지만, 복호화 후 특정 형태학적 특징 (예: QRS 진폭 및 PR 간격) 이 측정 가능한 편차를 보였다고 겸손하게 지적합니다. 따라서 그들은 이 시스템이 안전한 전송과 광범위한 진단 통찰력에 효과적이지만, 확정적인 진단을 위한 모든 임상적으로 민감한 마커 (예: ST 분절 변화) 의 보존을 보장하기 위해서는 추가적인 정교화가 필요하다고 주장합니다. 본 연구는 이 아키텍처를 프라이버시를 보호하는 생체 의료 신호 처리의 유망한 방향으로 제시하며, EEG 및 EMG 와 같은 다른 신호로의 잠재적 확장을 시사합니다.