- Обнаружение стресса с помощью слияния контекстно-зависимых датчиков с носимых устройств (arXiv)
Автор: Нафиул Рашид, Триер Мортлок, Мохаммад Абдулла Аль Фарук.
Аннотация: Носимые медицинские технологии в последние годы становятся все более популярными. Одной из функций носимых медицинских устройств является обнаружение стресса, которое основано на входных сигналах датчиков для определения психического состояния пациентов. Этот непрерывный мониторинг в режиме реального времени может предоставить медицинским работникам жизненно важные физиологические данные и повысить качество ухода за пациентами. Существующим методам обнаружения стресса не хватает: (i) надежности — носимые датчики здоровья содержат высокий уровень шума измерения, который снижает производительность, и (ii) адаптации — статические архитектуры не могут адаптироваться к изменяющимся контекстам в условиях обнаружения. Мы предлагаем устранить эти недостатки с помощью SELF-CARE, обобщенного метода селективного слияния датчиков для обнаружения стресса, в котором используются новые методы контекстной идентификации и ансамблевого машинного обучения. SELF-CARE использует классификатор, основанный на обучении, для обработки характеристик датчика и моделирования изменений окружающей среды в условиях обнаружения, известных как шумовой контекст. SELF-CARE использует шумовой контекст для выборочного объединения различных комбинаций датчиков в ансамбле моделей для выполнения надежной классификации напряжений. Наши результаты показывают, что для устройств, носимых на запястье, датчики, которые измеряют движение, лучше всего подходят для понимания контекста шума, в то время как для устройств, носимых на груди, наиболее подходящими датчиками являются те, которые обнаруживают сокращение мышц. SELF-CARE демонстрирует современную производительность в наборе данных WESAD. Используя датчики на запястье, SELF-CARE достигает точности 86,34% и 94,12% для задач классификации стресса 3-го и 2-го классов соответственно. Для нагрудных носимых датчиков SELF-CARE обеспечивает точность классификации 86,19% (3-й класс) и 93,68% (2-й класс). Эта работа демонстрирует преимущества использования выборочного, контекстно-зависимого слияния датчиков в мобильном зондировании здоровья, которое можно широко применять в приложениях Интернета вещей.
2. Протокол BLE в устройствах IoT и интеллектуальных носимых устройствах: угрозы безопасности и конфиденциальности (arXiv)
Автор: Тушар Награре, Парул Синдхвад, Фарук Кази.
Аннотация: Bluetooth с низким энергопотреблением (BLE) стал основным средством передачи благодаря чрезвычайно низкому энергопотреблению, хорошему охвату сети и скорости передачи данных для Интернета вещей (IoT) и интеллектуальных носимых устройств. С экспоненциальным бумом Интернета вещей (IoT) и протокола соединения Bluetooth с низким энергопотреблением (BLE) требуется найти защитные методы для его защиты с практическим анализом безопасности. К сожалению, IoT-BLE подвержен риску спуфинговых атак, когда злоумышленник может выдать себя за гаджет и предоставить своим пользователям вредоносную информацию. Кроме того, из-за упрощенной стратегии этого протокола было много уязвимостей безопасности и конфиденциальности. Обоснование этого количественного анализа безопасности с изменением методологии STRIDE для создания основы для решения проблем защиты датчиков IoT-BLE. Поэтому в этом анализе представлены вероятные сценарии атак для различных воздействий и предложены стратегии смягчения последствий. В свете этого авторы выполнили моделирование угроз STRIDE, чтобы понять поверхность атаки для умных носимых устройств, поддерживающих BLE. В исследовании оцениваются различные сценарии эксплуатации: отказ в обслуживании (DoS), повышение привилегий, раскрытие информации, спуфинг, фальсификация и отказ от участия в MI Band, One plus Band, умных часах Boat Storm и Fire Bolt Invincible.
