Siber-fiziksel sistemlerde yavaş kaymayı gözeten kuantum nötrözofik bulanık modelleme ile dinamik risk değerlendirmesi

Neden akıllı hastanelerde sessiz değişiklikler önemlidir

Modern hastaneler giderek daha çok bağlı makinelerden yararlanır: ventilatörler, infüzyon pompaları, monitörler ve birlikte bir siber-fiziksel sistem oluşturan bulut servisleri. Bu sistemlere yönelik birçok tehdit belirgindir; bariz saldırı girişimleri veya ani cihaz arızaları gibi dramatik olaylar vardır. Ancak bu makale daha ince ama aynı derecede tehlikeli bir olguya odaklanır: zaman içinde birikerek hasta güvenliğini zedeleyebilecek, ağ davranışındaki yavaş ve neredeyse görünmez değişiklikler.

Dijital hastane ağlarındaki gizli yıpranma

Bir hastane ağında, tıbbi cihazlardan gelen veriler sürekli olarak yatak başı ekipmanları ile merkezi sunucular arasında akar. Aylar veya yıllar içinde bu trafik kademeli olarak değişebilir: gecikmeler ortaya çıkar, küçük paket kayıpları daha sık görülür ve bağlantılar biraz farklı davranmaya başlar. Bu yavaş kaymalar (drift) eskime gösteren ekipmanları, yapılandırma sorunlarını veya geleneksel alarmları tetiklemekten kaçınan gizli saldırıları işaret ediyor olabilir. Mevcut risk değerlendirme araçları genellikle belirgin, kısa vadeli anormalliklere bakma eğilimindedir ve özellikle veriler gürültülü, eksik veya çelişkili olduğunda bu tür sessiz bozulmaları kaçırır.

Bağlı bakım için katmanlı bir güvenlik ağı

Yazarlar, tek seferlik kontrollere güvenmek yerine tıbbi siber-fiziksel sistemleri dinamik olarak izleyen eksiksiz bir çerçeve önerir. Öncelikle her tıbbi cihaz hastane sunucusuna kaydedilir ve verileri bir ağ saldırı tespit sistemine akıtılır. Orada eksik değerler tamamlanır, ölçümler normalize edilir ve iletişim davranışının temel özellikleri çıkarılır. Ardından, yavaş kaymayı izlemek için kuantum durum tabanlı üstel ağırlıklı hareketli ortalama adı verilen yeni bir yaklaşım kullanılır. Trafik desenlerini ince örtüşmeleri ve uzun dönem eğilimleri vurgulayacak şekilde kodlayarak, bu yöntem daha eski istatistiklerin gözden kaçırdığı nazik ama ısrarlı değişiklikleri tespit edebilir.

Daha akıllı saldırı tespiti ve risk puanlaması

Bu gelişen ortamda gerçek saldırıları tanımak için çerçeve, kararlılık ve hız için ayarlanmış gelişmiş bir sinir ağı modeli kullanır. Ağırlık başlatma ve aktivasyon fonksiyonu için yapılan özel seçimler, ağın uzun trafik dizilerinden iç sinyallerinin solması veya takılması olmadan öğrenmesine yardımcı olur; bu da hem doğruluğu hem de eğitim süresini iyileştirir. Olası saldırılar işaretlendiğinde, bu sinyaller diğer anomali göstergeleriyle birbirlerini nasıl güçlendirdiklerini veya yinelendiğini açıkça hesaba katan bir teknikle birleştirilir. Puanları basitçe ortalamak yerine yöntem, ikili ve küçük grup bağımlılıklarını modelleyerek bir arada ortaya çıkan birden çok zayıf göstergenin ciddi bir endişe olarak ele alınmasını sağlar.

Belirsizlikle doğrudan yüzleşmek

Gerçek hastane verileri nadiren kesindir. Ölçümler tutarsız olabilir ve uzmanlar bir desenin ne kadar riskli olduğu konusunda tam olarak hemfikir olmayabilir. Buna uyum sağlamak için yazarlar, her durumu üç bileşenle temsil eden bir mantık benimser: yanlış olduğunu gösteren kanıt, normal olduğunu gösteren kanıt ve gerçek belirsizliği yakalayan üçüncü bir kısım. Bu parçalar birleştirilmeden önce puanlar ortak bir aralığa ölçeklenir, böylece nihai risk ölçüsü yorumlanabilir kalır. Sistem daha sonra katkı analizinin geliştirilmiş bir biçimini kullanarak kendi akıl yürütmesini açıklar; bu, riski artıran veya azaltan hangi trafik özellikleri ve anomali sinyallerinin etkili olduğunu vurgulayarak klinisyenlerin ve mühendislerin sonuçlara güvenmesini ve doğrulamasını sağlar.

Risk bilgisini zamanında eyleme dönüştürmek

Riskin yükseldiğini bilmek, mantıklı eylemlere yol açıyorsa kullanışlıdır. Çerçevenin son adımı, erişim kontrollerinin sıkılaştırılması, şüpheli trafiğin filtrelenmesi veya aşırı durumlarda cihazların izole edilip manuel çalışmaya dönülmesi gibi azaltma stratejilerini seçmek için yapılandırılmış bir karar modeli kullanır. Bu karar motoru, cihaz sayısı ve olası yanıtlar arttıkça hesaplamaları yönetilebilir tutacak şekilde tasarlanmıştır. Kamuya açık bir ağ saldırı veri seti üzerinde test edildiğinde, genel sistem saldırıları tespit etmede yüksek doğruluk, yavaş kaymayı güvenilir şekilde izleme ve kararlı, anlaşılabilir risk puanları üretme başarısı göstermiştir. Basitçe söylemek gerekirse bu çalışma, hastanelerin bariz krizlere tepki vermekten sessiz uyarı işaretlerini sürekli izlemeye nasıl geçebileceğini ve hâlâ güvenlik kararlarında insanları yetkili tutabileceğini gösterir.

Atıf: Kiruthika, K., Rajesh, A., Dhapekar, N.K. et al. Slow drift aware dynamic risk assessment in cyber physical systems using quantum neutrosophic fuzzy modelling. Sci Rep 16, 15698 (2026). https://doi.org/10.1038/s41598-026-41732-8

Anahtar kelimeler: siber-fiziksel sistemler, tıbbi IoT güvenliği, ağ kayması, saldırı tespiti, dinamik risk değerlendirmesi