| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 39.11 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
The increasing reliance on the Internet of Medical Things (IoMT) raises great concern in terms of cybersecurity, either at the device’s physical level or at the information and communication level. This is particularly important as these systems process very sensitive and private data, including personal health data from multiple patients such as real-time body measurements. Due to these concerns, cybersecurity mechanisms and strategies must be in place to protect these medical systems, defending them from compromising cyberattacks. Authentication is an essential cybersecurity technique for trustworthy IoMT communications. However, current authentication methods rely on upper-layer identity verification or key-based cryptography which can be inadequate to the heterogeneous Internet of Things (IoT) environments. In our current research we aim at using Radio Frequency Fingerprinting for IoMT device authentication in medical applications to improve the cybersecurity of such mechanisms. This technique allows the authentication of medical devices by their physical layer characteristics, i.e. of their emitted signal. This shall be accomplished through the use of software-defined technologies, specifically SoftwareDefined Radio (SDR) gateways to implement security solutions while addressing ecosystem heterogeneity, in conjunction with Artificial Intelligence (AI) Edge/Cloud support to scale and leverage Machine Learning (ML) strategies. This thesis focuses on the signal acquisition and feature extraction stages of the Radio Frequency Fingerprinting (RFF) process, relying upon SDR technology, which can effectively improve the feature extraction process in complex and challenging wireless environments, to support later highly accurate device authentication. This resulted in the creation of a dataset, which was unavailable before, to train and setup the RFF system. Finally, the thesis specifies the integration of the RFF system with the medical IoT gateway.
A confiança crescente na IoMT suscita grande preocupação em termos de cibersegurança, quer ao nível físico do dispositivo quer ao nível da informação e comunicação. Isto é particularmente importante, uma vez que estes sistemas processam dados muito sensíveis e dados, incluindo dados pessoais de saúde de diversos pacientes, tais como dados em tempo real medidas do corpo. Devido a estas preocupações, os mecanismos e estratégias de ciber-segurança devem estar em vigor para proteger estes sistemas médicos, defendendo-os de ciberataques comprometedores. A autenticação é uma técnica essencial de ciber-segurança para as comunicações em sistemas IoMT de confiança. No entanto, os métodos de autenticação atuais focam-se na verificação de identidade na camada superior ou criptografia baseada em chaves que podem ser inadequadas para a ambientes IoT heterogéneos. Neste trabalho, pretendemos utilizar a impressão digital por radiofrequência para autenticação de dispositivos IoMT para melhorar a flexibilidade de tais mecanismos. Isto permite a autenticação dos dispositivos médicos pelas suas características de camada física, ou seja, a partir do seu sinal emitido. Isto será conseguido através da utilização de tecnologias definidas por software, especificamente gateways de SDR para implementar soluções de segurança em conjunto com AI Edge/Cloud para escalar e alavancar estratégias de ML. Esta tese foca-se nas fases de aquisição de sinal e extracção de características, com base na tecnologia SDR, que pode efectivamente melhorar o processo de extração de características em ambientes complexos e desafiantes para redes sem fios, de forma a apoiar posteriormente a autenticação precisa de dispositivos. O resultado foi a criação de um dataset, indisponível anteriormente, para treinar e configurar o sistema RFF. Por último, a tese especifíca a integração do sistema RFF com a gateway IoT médica.
A confiança crescente na IoMT suscita grande preocupação em termos de cibersegurança, quer ao nível físico do dispositivo quer ao nível da informação e comunicação. Isto é particularmente importante, uma vez que estes sistemas processam dados muito sensíveis e dados, incluindo dados pessoais de saúde de diversos pacientes, tais como dados em tempo real medidas do corpo. Devido a estas preocupações, os mecanismos e estratégias de ciber-segurança devem estar em vigor para proteger estes sistemas médicos, defendendo-os de ciberataques comprometedores. A autenticação é uma técnica essencial de ciber-segurança para as comunicações em sistemas IoMT de confiança. No entanto, os métodos de autenticação atuais focam-se na verificação de identidade na camada superior ou criptografia baseada em chaves que podem ser inadequadas para a ambientes IoT heterogéneos. Neste trabalho, pretendemos utilizar a impressão digital por radiofrequência para autenticação de dispositivos IoMT para melhorar a flexibilidade de tais mecanismos. Isto permite a autenticação dos dispositivos médicos pelas suas características de camada física, ou seja, a partir do seu sinal emitido. Isto será conseguido através da utilização de tecnologias definidas por software, especificamente gateways de SDR para implementar soluções de segurança em conjunto com AI Edge/Cloud para escalar e alavancar estratégias de ML. Esta tese foca-se nas fases de aquisição de sinal e extracção de características, com base na tecnologia SDR, que pode efectivamente melhorar o processo de extração de características em ambientes complexos e desafiantes para redes sem fios, de forma a apoiar posteriormente a autenticação precisa de dispositivos. O resultado foi a criação de um dataset, indisponível anteriormente, para treinar e configurar o sistema RFF. Por último, a tese especifíca a integração do sistema RFF com a gateway IoT médica.
Description
Keywords
IoMT SDR RFF Signal Processing Feature Extraction Dataset Creation Processamento de sinal Extração de características Criação de dataset