2 статей
В исследовании представлен фреймворк APFA для федеративного обучения в сетях интернета медицинских вещей (IoMT). Метод позволяет эффективно объединять данные с различных устройств, решая проблемы вычислительной асимметрии и статистической неоднородности при сохранении конфиденциальности.
Согласно отчету компании Red Security, в первой половине 2026 года сектор здравоохранения столкнулся с беспрецедентным ростом киберугроз: количество целевых атак увеличилось почти в три раза по сравнению с аналогичным периодом прошлого года. Основными векторами атак стали использование уязвимостей в медицинском оборудовании (IoMT) и фишинг, направленный на получение доступа к конфиденциальным данным пациентов. Аналитики отмечают, что злоумышленники все чаще применяют автоматизированные инструменты на базе ИИ для обхода традиционных систем защиты. В результате инцидентов медицинские учреждения сталкиваются с риском остановки критически важных процессов и утечкой электронных медицинских карт. Исследование подчеркивает необходимость внедрения более продвинутых систем мониторинга и защиты инфраструктуры для предотвращения масштабных сбоев в оказании медицинской помощи.
