Using Machine Learning Detection Malware in IoHT System

doi:10.1142/S2196888826500028

Using Machine Learning Detection Malware in IoHT System

2026-03-01

0

PRE

AI

Al-Asadi, Hamid Ali Abed

A

Alzaidi, Zahraa Sh.

DOI：10.1142/S2196888826500028

原文链接

原文求助

摘要

En 中文

物联网医疗（IoHT）是连接医疗设备、软件和系统的网络，支持远程监控和医疗保健服务。健康数据通过传感器实时收集。尽管IoHT为现代智能医疗带来了诸多益处，但其安全性问题日益突出，因为IoHT设备缺乏足够的处理能力、存储容量和自我防御能力。在医疗领域，利用机器学习（ML）检测恶意软件对于保护患者敏感数据至关重要。因此，提高检测方法的准确性和有效性至关重要。机器学习模型已被用于提升恶意软件检测的效率。攻击者的主要目标是获取个人信息并利用设备漏洞。科学家们也在设计多种方法来识别和分析恶意软件，以应对这些挑战。鉴于开发者不断推出新型恶意软件，构建全面检测此类软件的算法极具挑战性。研究人员已开发出多种机器学习和深度学习（DL）算法。这些模型的精度主要取决于训练数据集的规模。此外，本研究分为三个主要阶段：特征选择、预测和预处理。本研究提出了一种特征选择技术，融合了两种方法：第一种是皮尔逊相关系数，用于评估特征间的相关性并识别重要特征，第二种是嵌入式方法。这些选定特征随后用于分类模型。本研究采用软投票分类器，结合多种机器学习模型（决策树、逻辑回归、梯度提升、随机森林和支持向量机）来检测恶意软件。该方法创建了一个集成组合模型优势的单一模型，从而实现最高的预测精度。所提出的这种方法优于以往研究，达到了99.6%的准确率、0.9972的F1分数、0.9998的召回率和0.9947的精确率。

Keyword:

IoHT

machine learning

malware

healthcare

voting classifer

Using Machine Learning Detection Malware in IoHT System

摘要

期刊

机构

引用论文