小波對抗訓練：守護醫療數位分身免受駭客攻擊的創新防禦技術

數位分身是現實系統的虛擬複製體，透過即時資料建構而成，能模擬、測試並最佳化實體系統的運作。在醫療領域，這項技術可建立生物系統的虛擬模型，用於預測疾病或測試治療方案。然而，醫療數位分身容易遭受「對抗性攻擊」——駭客只需微調輸入資料，就能誤導系統做出錯誤判斷（例如癌症誤診），嚴重威脅病患安全。

為解決此問題，由韓國東國大學與美國奧勒岡州立大學組成的研究團隊，在Insoo Sohn教授領導下，開發出革命性的「小波對抗訓練」（WBAD）防禦演演算法。這項研究成果已發表於《Information Fusion》期刊，為醫療數位分身提供強力防護。

「我們首創結合小波降噪與對抗訓練的雙層防禦機制，建立起安全的醫療數位分身系統。」論文通訊作者Sohn教授強調。團隊特別針對乳癌診斷數位分身進行測試，該系統透過熱成像影象分析腫瘤——由於癌細胞會加速血流與代謝，在熱影像中通常呈現高溫區域。

研究模型採用離散小波轉換處理影像，先提取關鍵特徵生成「初始特徵點影象」，再將這些特徵輸入機器學習分類器。該分類器以1,837張乳房影像（含健康與病變組織）進行訓練，能準確辨識腫瘤組織。初始測試顯示，模型診斷準確率高達92%。

但當遭遇三種對抗攻擊（FGSM快速梯度法、PGD投影梯度法、CW攻擊）時，準確率竟暴跌至5%，暴露系統弱點。為強化防禦，團隊設計雙層保護機制：第一層「小波降噪」在影像預處理階段實施，透過軟閾值過濾攻擊者植入的高頻雜訊，同時保留影像低頻特徵。

第二層「對抗訓練」則教導模型識別並抵抗惡意輸入。實測證明，這套防禦系統成效卓越——面對FGSM攻擊時準確率達98%，PGD攻擊93%，CW攻擊也有90%的水準。「我們開創了醫療數位分身安全的新典範，」Sohn教授總結：「這項技術能全面提升系統可靠性，為病患安全樹立堅實屏障。」

[end]