本論文は、モノのインターネットベースの医療（IoMT）システムのセキュリティ脆弱性を解決するために、連合学習（Federated Learning）ベースの侵入検知システムを提案します。 IoMTは、リアルタイムの健康データを収集することで疾患の早期診断とカスタマイズされた治療を可能にしますが、データの機密性によりセキュリティの脅威に対して脆弱です。この論文では、人工ニューラルネットワークベースの侵入検知と連合学習ベースの個人情報保護、そして説明可能な人工知能（XAI）を活用したモデル解析性の向上により、この問題を解決します。さまざまな種類の攻撃をシミュレートしたネットワークおよび医療データセットを使用して、提案されたフレームワークの効果を集中型アプローチと比較評価し、連合学習方式が集中型方式と同様の性能を示し、プライバシーとモデルの説明を同時に提供することを確認しました。
