DOI: https://doi.org/10.3389/fcomp.2026.1860123
تاريخ النشر: 2026-07-09
المؤلف: Altahir Saad Ahmed وآخرون
الموضوع الرئيسي: تشفير الصور/الإشارات المعتمد على الفوضى
نظرة عامة
تقدم هذه البحث إطار عمل شامل للإنترنت الطبي القائم على الكم (IoMT) مصمم لتأمين التصوير الطبي، ويجمع بين التشخيصات الخفيفة على الحافة، وتوزيع المفاتيح الكمومية، وتشفير الصور الهجين. في طبقة التشخيص، يستخدم الإطار MicroRadNet، وهو شبكة عصبية تلافيفية مدمجة تحتوي على 3,140 معلمة قابلة للتدريب، محققة دقة تصنيف تبلغ 98.24% على صور الأشعة السينية للصدر مع الحفاظ على حجم نموذج يبلغ 3.14 كيلوبايت وزمن استدلال يبلغ حوالي 112 مللي ثانية على Raspberry Pi Zero 2 W. تلبي هذه الأداء القيود الزمنية الحقيقية الضرورية للتطبيقات السريرية.
تستخدم طبقة الاتصال بروتوكول BB84 لتوليد مفاتيح الجلسة بشكل آمن، يتم تنفيذه عبر Amazon Braket، الذي ينتج مفاتيح بطول 256 بت مع معدل خطأ بت كمومي (QBER) أقل من 0.02، مما يضمن أمانًا نظريًا للمعلومات. تستخدم طبقة حماية الصورة نظام تشفير هجين يجمع بين التبديل الفوضوي عالي الأبعاد 5D، وترميز الحمض النووي، والتشتت المعتمد على المفاتيح الكمومية، مما يؤدي إلى خصائص إحصائية قوية مثل الانتروبيا العالية (≈ 7.998 بت/بكسل)، وانخفاض الارتباط بين البكسلات المجاورة، ومقاومة قوية لمختلف أساليب الهجوم. يبقى زمن الاستجابة الشامل أقل من 1.5 ثانية، مما يؤكد القابلية العملية للإطار في البيئات الطبية الزمنية الحقيقية. تهدف الأعمال المستقبلية إلى الانتقال من المحاكاة إلى التطبيقات الواقعية، وتعزيز المرونة التشفيرية، وتوسيع أنماط التصوير المدعومة من قبل الإطار.
مقدمة
تسلط المقدمة الضوء على إمكانيات دمج الذكاء الاصطناعي مع أجهزة الإنترنت الطبي (IoMT) على الحافة لتعزيز كفاءة الفرز السريري. ومع ذلك، فإنها تؤكد أيضًا على الثغرات الأمنية الكبيرة التي قد تنشأ، خاصة في سياق الهجمات الكمومية المستقبلية. بينما تم إحراز تقدم في التعلم العميق الخفيف، والتشفير بعد الكم، وتشفير الصور الطبية، هناك نقص ملحوظ في الأطر المتماسكة التي تجمع بفعالية بين هذه التقنيات للنشر العملي على الحافة. تهدف هذه القسم إلى توضيح مشهد التهديد الكمومي، ومراجعة الأدبيات الحالية، وتوضيح المساهمات المقترحة للبحث.
طرق
توضح هذه القسم المنهجية المستخدمة في تطوير إطار عمل للإنترنت الطبي القائم على الكم (IoMT) لتحليل الأشعة السينية للصدر بشكل آمن وفي الوقت الحقيقي. يعمل الإطار كخط أنابيب متكامل من البداية إلى النهاية، يشمل الحصول على الصور محليًا، واستدلال التشخيص باستخدام نموذج MicroRadNet على Raspberry Pi Zero 2 W، وتأسيس مفتاح الجلسة المعتمد على الكم، ونقل الصور المشفرة، والأرشفة في المستشفى. يسهل النموذج الفرز الأولي السريع مع مقاييس الدقة والاسترجاع عبر أربع فئات من الأشعة السينية للصدر.
لضمان إمكانية التكرار، تم تقسيم مجموعة البيانات إلى مجموعات تدريب، والتحقق، والاختبار بنسبة 70/15/15، مع تخصيص مجموعة الاختبار فقط للتقييم النهائي. استخدم التدريب محطة عمل قوية وشمل التحقق المتقاطع 5 مرات لتقييم استقرار النموذج. حقق نموذج MicroRadNet دقة ملحوظة تبلغ 98.24%، مع درجات ماكرو-F1 ووزن-F1 تبلغ 0.9791 و0.9824، على التوالي. أسفر التحقق المتقاطع 5 مرات عن دقة متوسطة تبلغ 0.9808 (انحراف معياري قدره 0.0032)، مما يعزز موثوقية النموذج. من أجل النشر، تم تحويل النموذج إلى تنسيق TensorFlow Lite INT8 للتقييم على Raspberry Pi، مما يظهر أداء تشخيصيًا عاليًا تحت القيود الحاسوبية والأمنية.
مناقشة
تسلط قسم المناقشة في الورقة الضوء على التحديات الأمنية الحرجة التي تطرحها التوسع السريع للإنترنت الطبي (IoMT) في الرعاية الصحية. بينما يسهل IoMT التقدم مثل المراقبة في الوقت الحقيقي واتخاذ القرارات المدعومة بالذكاء الاصطناعي، فإنه يزيد في الوقت نفسه من الضعف أمام الهجمات الإلكترونية، بما في ذلك برامج الفدية وتسريبات البيانات. تؤكد الورقة على الحاجة إلى هياكل أمان قوية يمكن أن تعالج كل من التهديدات الحالية والمخاطر المستقبلية، خاصة تلك المرتبطة بالحوسبة الكمومية، التي قد تقوض الطرق التشفيرية التقليدية مثل RSA وECC. يدعو المؤلفون إلى نهج استباقي للانتقال إلى تدابير الأمان بعد الكم، حيث قد لا تكون طرق التشفير التقليدية كافية لحماية البيانات الطبية الحساسة على المدى الطويل.
تحدد البحث فجوة كبيرة في الأدبيات الحالية، التي غالبًا ما تفصل بين مجالات استدلال CNN الخفيف للتصوير الطبي، وآليات الأمان المقاومة للكم، وتشفير الصور الفعال. تشمل المساهمات المقترحة تطوير MicroRadNet، وهو CNN خفيف للغاية مصمم للنشر على الحافة، جنبًا إلى جنب مع عملية تأسيس مفتاح كمومي تعتمد على BB84 ونظام تشفير هجين يعزز سرية الصورة. يهدف هذا الإطار المتكامل إلى ضمان تشخيص منخفض الزمن مع حماية البيانات الشعاعية الحساسة ضد كل من التهديدات التقليدية والكمومية، مما يعالج الحاجة الملحة لحلول IoMT آمنة في الرعاية الصحية.
DOI: https://doi.org/10.3389/fcomp.2026.1860123
Publication Date: 2026-07-09
Author(s): Altahir Saad Ahmed et al.
Primary Topic: Chaos-based Image/Signal Encryption
Overview
This research presents a comprehensive quantum-aware Internet of Medical Things (IoMT) framework designed for secure medical imaging, integrating lightweight edge diagnostics, quantum key distribution, and hybrid image encryption. At the diagnostic layer, the framework employs MicroRadNet, a compact convolutional neural network with 3,140 trainable parameters, achieving a classification accuracy of 98.24% on chest X-ray images while maintaining a model size of 3.14 KB and an inference latency of approximately 112 ms on a Raspberry Pi Zero 2 W. This performance meets real-time constraints essential for clinical applications.
The communication layer utilizes a BB84 protocol for secure session key generation, implemented via Amazon Braket, which produces 256-bit keys with a quantum bit error rate (QBER) below 0.02, ensuring information-theoretic security. The image protection layer employs a hybrid encryption scheme that combines 5D hyperchaotic permutation, DNA encoding, and quantum-keyed diffusion, resulting in strong statistical properties such as high entropy (≈ 7.998 bits/pixel), low adjacent-pixel correlation, and robust resistance to various attack vectors. The end-to-end latency remains under 1.5 seconds, confirming the framework’s practical applicability in real-time medical environments. Future work aims to transition from simulation to real-world implementations, enhance cryptographic resilience, and expand the imaging modalities supported by the framework.
Introduction
The introduction highlights the potential of integrating artificial intelligence with Internet of Medical Things (IoMT) edge devices to enhance clinical triage efficiency. However, it also underscores significant security vulnerabilities that may arise, particularly in the context of future quantum attacks. While advancements have been made in lightweight deep learning, post-quantum cryptography, and medical image encryption, there is a notable lack of cohesive frameworks that effectively combine these technologies for practical edge deployment. This section aims to delineate the quantum threat landscape, review existing literature, and articulate the proposed contributions of the research.
Methods
The section outlines the methodology employed in developing a quantum-aware Internet of Medical Things (IoMT) framework for secure and real-time chest X-ray analysis. The framework operates as an integrated end-to-end pipeline, encompassing local image acquisition, diagnostic inference using the MicroRadNet model on a Raspberry Pi Zero 2 W, quantum-aware session key establishment, encrypted image transmission, and archival at the hospital. The model facilitates rapid preliminary triage with precision and recall metrics across four chest X-ray categories.
To ensure reproducibility, the dataset was stratified into training, validation, and testing subsets in a 70/15/15 ratio, with the test set reserved solely for final evaluation. The training utilized a robust workstation and involved 5-fold cross-validation to assess model stability. The MicroRadNet model achieved a remarkable accuracy of 98.24%, with macro-F1 and weighted-F1 scores of 0.9791 and 0.9824, respectively. The 5-fold cross-validation yielded a mean accuracy of 0.9808 (standard deviation of 0.0032), reinforcing the model’s reliability. For deployment, the model was converted to TensorFlow Lite INT8 format for evaluation on the Raspberry Pi, demonstrating high diagnostic performance under computational and security constraints.
Discussion
The discussion section of the paper highlights the critical security challenges posed by the rapid expansion of the Internet of Medical Things (IoMT) in healthcare. While IoMT facilitates advancements such as real-time monitoring and AI-assisted decision-making, it simultaneously increases vulnerability to cyberattacks, including ransomware and data breaches. The paper emphasizes the need for robust security architectures that can address both current threats and future risks, particularly those associated with quantum computing, which could undermine classical cryptographic methods like RSA and ECC. The authors advocate for a proactive approach to transitioning to post-quantum security measures, as traditional encryption methods may not suffice for protecting sensitive medical data over the long term.
The research identifies a significant gap in existing literature, which often separates the domains of lightweight CNN inference for medical imaging, quantum-resilient security mechanisms, and effective image encryption. The proposed contributions include the development of MicroRadNet, an ultra-lightweight CNN designed for edge deployment, alongside a BB84-based quantum key establishment process and a hybrid encryption scheme that enhances image confidentiality. This integrated framework aims to ensure low-latency diagnosis while safeguarding sensitive radiographic data against both classical and quantum threats, thereby addressing the pressing need for secure IoMT solutions in healthcare.