スワーム誘発分散フェデレーテッド学習フレームワークを活用したクラウドベースの遠隔手術システムにおける信頼性とセキュリティの向上
カテゴリ：医療現場の業務効率化
公開日：2026年2月19日
タイトル：Enhancing reliability and security in cloud-based telesurgery systems leveraging swarm-evoked distributed federated learning framework to mitigate multiple attacks.
雑誌名：Sci Rep. 2025 Jul 26; 15(1): 27226.
概 要：
本研究は、ロボット手術の進展を促進するために、AI、5G/6G無線通信、IoT、エッジコンピューティングなどの技術を統合し、臨床の精度、速度、リアルタイムの意思決定を向上させることを目的としています。しかし、遠隔手術や遠隔指導の実用化は、サイバーセキュリティの脅威の増加により制約を受けており、患者の安全性とシステムの信頼性に重大な課題をもたらしています。これらの問題に対処するため、最適化されたゲートトランスフォーマーネットワーク（OGTN）と層状カオス暗号化スキームを統合したフェデレーテッド学習に基づく分散フレームワークを提案します。このフレームワークは、データのプライバシーと整合性を保ちながら、複数の未知のサイバー攻撃を軽減します。
方 法：
本研究は、TensorFlow Federated Learning Libraries（FLL）を使用して実装され、UNSW-NB15データセットで評価されました。性能は、精度、正確性、F1スコア、再現率、セキュリティ強度などの指標を用いて評価され、既存のアプローチと比較されました。また、国立標準技術研究所（NIST）の推奨に基づく構造化および非構造化のセキュリティ評価も実施され、堅牢性が検証されました。
結 果：
提案されたフレームワークは、従来のモデルに対して診断精度とサイバーセキュリティのレジリエンスにおいて優れた性能を示しました。これらの結果は、提案されたフレームワークが遠隔操作医療システムへの統合に適した候補であり、ロボット手術アプリケーションにおけるセキュリティと運用効率の向上を提供することを示唆しています。
結 論：
本研究のフレームワークは、遠隔手術システムにおける信頼性とセキュリティを向上させる可能性があり、医療分野におけるロボット手術の実用化に寄与することが期待されます。