Ciberseguridad hospitalaria para la protección de constantes vitales en dispositivos IoT médicos mediante Inercia Fisiológica.
Ficha Técnica
Rol: Junior Data Analyst
Dataset: MIMIC Database (Series temporales de HR y SpO2)
Tecnologías: Python 3.10, WFDB, NeuroKit2, Scikit-learn (Isolation Forest), Pandas, Matplotlib
1. Problema de Seguridad
Los dispositivos médicos conectados (IoMT) son vulnerables a ataques de inyección de datos, donde un ciberatacante altera las constantes vitales enviadas al monitor central (ej. simular una taquicardia de 190 BPM) provocando falsas alarmas o administración inadecuada de medicamentos.
2. Metodología e Ingeniería de Características
Ventanas Deslizantes: Monitoreo continuo mediante ventanas temporales con un 80% de solapamiento (overlap) para evitar perder anomalías entre bloques.
Inercia Fisiológica: Extracción de Media, Varianza y Pendiente (Aceleración). La pendiente permite detectar cuando un parámetro se dispara a una velocidad imposible para la biología humana.
Lógica Multivariante: Correlación entre Frecuencia Cardíaca (HR) y Saturación de Oxígeno (SpO2). Si el pulso sube abruptamente sin cambio fisiológico en el oxígeno, el sistema lo categoriza como Ataque Sintético.
3. Resultados y Panel Telemétrico
Modelado: Algoritmo Isolation Forest ajustado a un 2% de tasa de contaminación para minimizar falsas alarmas hospitalarias.
Detección del 100% en ataques brutos e identificación efectiva de ataques sutiles de tendencia (Trend Attacks).
Panel de Alertas: Desarrollo de un dashboard de telemetría que sombrea automáticamente las franjas de tiempo comprometidas para permitir decisiones rápidas al equipo de seguridad hospitalaria.