Crean un malware para manipular imágenes de nodos de cáncer en 3D

Un grupo de investigadores del Centro de Investigación de Seguridad Cibernética de la Universidad de Ben Gurión, ha desarrollado un malware con imágenes de nodos de cáncer en 3D creados con inteligencia Deep Learning.

Todo esto con la finalidad de advertir a radiólogos y a grupos médicos cuáles son los peligros que podrían existir en las herramientas de diagnóstico y las redes hospitalarias que manejan información confidencial.

Demostrar el riesgo de estas acciones en medicina

En este sentido, el objetivo principal de esta investigación fue esclarecer la efectividad de lo que podría ser el ataque malicioso inventado con imágenes en 3D de nodos cancerígenos.

Para lograr sacar esta conclusión, los investigadores realizaron un estudio a ciegas, dónde se les pidió a los radiólogos que diagnosticaran afecciones basadas en las exploraciones pulmonares por Tomografía Computarizada, algunas de las cuales se alteraron con el uso del malware.

“Para evaluar el ataque, nos enfocamos en inyectar y extirpar el cáncer de pulmón de las tomografías computarizadas. Mostramos cómo tres radiólogos expertos y una IA de aprendizaje profundo con tecnología son altamente susceptibles al ataque"

Ante estas imágenes falsas, los radiólogos establecieron un diagnóstico de cáncer el 99% de las veces. Cuando se usó el malware para ocultar nódulos de cáncer real, los radiólogos creyeron ver una imagen cerebral sin cáncer el 94% de las veces. Por lo que demuestra que un profesional experto puede llegar a ser engañado.

Con las propias palabras del estudio realizado por los investigadores, “para evaluar el ataque, nos enfocamos en inyectar y extirpar el cáncer de pulmón de las tomografías computarizadas. Mostramos cómo tres radiólogos expertos y una IA de aprendizaje profundo con tecnología son altamente susceptibles al ataque. También exploramos la superficie de ataque de una red de radiología moderna y demostramos un vector de ataque: interceptamos y manipulamos tomografías computarizadas en una red hospitalaria activa con una prueba de penetración encubierta”.