I ricercatori dell'Imperial College di Londra hanno recentemente ideato un nuovo approccio crittografico biometrico per proteggere le comunicazioni wireless di dispositivi medici indossabili e impiantabili. Il loro quadro, delineato in uno studio pubblicato su Esplora IEEE , utilizza una struttura di rete neurale artificiale (ANN) e variazioni di energia del segnale di andatura.

Nell'ultimo decennio, i progressi nella tecnologia di comunicazione wireless hanno alimentato lo sviluppo di un numero crescente di dispositivi BSN (body sensor network). Questi sono leggeri, nodi sensoriali a bassa potenza che possono essere indossati o impiantati nel corpo umano per monitorare la salute di pazienti anziani o affetti da malattie croniche.

Nonostante le loro preziose applicazioni, I dispositivi BSN sollevano importanti problemi di sicurezza, poiché gli aggressori potrebbero hackerare questi sensori connessi in modalità wireless e violare le informazioni personali e sanitarie dei pazienti. Data la potenza di calcolo molto limitata di questi sensori miniaturizzati, però, gli schemi di sicurezza informatica convenzionali non possono essere applicati a questi dispositivi. I ricercatori cercano quindi di sviluppare nuovi meccanismi di sicurezza avanzati che potrebbero proteggere efficacemente questi dati sensibili.

Una soluzione efficace per proteggere i dispositivi BSN è l'approccio del crittosistema biometrico (BCS), che identifica i tratti biometrici dei pazienti, come il suo viso, iris, impronte digitali, elettrocardiogramma (ECG), o fotopletismografia (PPG). Il team di ricercatori dell'Imperial College ha sviluppato un nuovo approccio BCS che si concentra in particolare sulle variazioni di energia del segnale dell'andatura; in altre parole, analizzare il modo in cui camminano le diverse persone.

"La biometria all'avanguardia/la sicurezza indossabile utilizzano spesso l'elettrocardiogramma (ECG), l'attività elettrica del cuore, ma i suoi elettrodi applicati sulla pelle ne limitano notevolmente le applicazioni, "Yingnan Sole, l'autore principale del documento ha detto a TechXplore. "Abbiamo ritenuto necessario esplorare un nuovo tipo di biometria che fosse sia facile da raccogliere che non invasivo, e andatura, il modo in cui le persone camminano, mi è venuto in mente».

Il termine "andatura" si riferisce a un modello di movimento degli arti negli animali e nell'uomo, in particolare quando stanno camminando / correndo. Diverse specie di animali hanno le loro andature caratteristiche, ma si possono osservare lievi differenze anche tra i singoli esseri umani.

I segnali di andatura possono essere catturati indossando un sensore inerziale a basso costo, come un accelerometro, sul corpo. Attualmente, quasi tutti i dispositivi indossabili e molti dispositivi impiantabili sono già dotati di sensori inerziali. L'utilizzo di segnali di deambulazione per formare il BCS può stabilire canali di comunicazione sicuri tra dispositivi indossabili e impiantabili.

"La sfida nell'usare i segnali di deambulazione per la sicurezza è che i segnali di deambulazione catturati da diversi sensori in diverse posizioni del corpo hanno modelli diversi, " ha spiegato Sun. "Per risolvere questo problema, abbiamo introdotto un framework di rete neurale artificiale (ANN), che proietta i segnali del sensore su un frame unificato e aumenta la correlazione del segnale."

I ricercatori hanno utilizzato la loro struttura di rete neurale di nuova concezione per estrarre caratteristiche simili dai sensori BSN, generazione di chiavi binarie su richiesta, senza richiedere l'intervento dell'utente. Quando hanno testato il loro approccio su un set di dati sull'andatura, hanno scoperto che le chiavi binarie generate avevano un'alta entropia per tutti i soggetti.

"Abbiamo scoperto che l'uso del framework ANN proposto può aumentare significativamente le correlazioni tra i segnali di andatura catturati da diversi sensori indossabili, con conseguente enorme miglioramento delle prestazioni del sistema di sicurezza, " ha affermato Sun. "Questo framework di sicurezza appena proposto è del 68,75 percento più efficiente del nostro lavoro precedente, generando una chiave a 128 bit in soli 12 secondi di cammino."

Le chiavi generate utilizzando il loro framework hanno superato i test statistici del National Institute of Standards and Technology (NIST) e Dieharder, discriminando in modo robusto tra le andature di persone diverse. Il nuovo approccio mostra grandi promesse come strumento di sicurezza biometrica, e potrebbe eventualmente aiutare a proteggere meglio i dati raccolti dai dispositivi indossabili e impiantabili.

"Attualmente, abbiamo esplorato solo l'uso di segnali di accelerazione per il sistema di sicurezza, ma i segnali di andatura consistono anche in altri tipi di segnali, come i segnali del giroscopio, " ha detto Sun. "Nel prossimo futuro, vorremmo migliorare ulteriormente le prestazioni del nostro schema di sicurezza proposto incorporando altri segnali".

© 2018 Tech Xplore