본 논문은 의료 사물 인터넷(IoMT)의 보안 취약성을 해결하기 위해 연합 학습(FL) 기반의 침입 탐지 시스템 프레임워크를 제안합니다. IoMT는 만성 질환 관리에서 실시간 건강 데이터 기반의 자동화된 치료를 가능하게 하지만, 데이터의 민감성으로 인해 보안 위협에 취약합니다. 본 논문에서는 인공 신경망을 이용한 침입 탐지를 구현하고, FL을 통해 개인정보 보호를 강화하며, 설명 가능한 인공지능(XAI) 기법을 활용하여 모델의 설명력을 높입니다. 다양한 공격 유형을 시뮬레이션한 네트워크 및 의료 데이터셋을 사용하여 제안된 프레임워크의 효과를 중앙 집중식 접근 방식과 비교 평가하고, FL 방식이 중앙 집중식 방식과 유사한 성능을 보이며 개인정보 보호 및 모델 설명을 제공함을 보여줍니다.
