Bài báo này đề xuất một hệ thống phát hiện xâm nhập dựa trên học liên hợp để giải quyết các lỗ hổng bảo mật trong các hệ thống chăm sóc sức khỏe Internet vạn vật (IoMT). Mặc dù IoMT cho phép chẩn đoán bệnh sớm và điều trị cá nhân hóa thông qua thu thập dữ liệu sức khỏe theo thời gian thực, nhưng tính nhạy cảm của dữ liệu khiến nó dễ bị đe dọa bảo mật. Trong bài báo này, chúng tôi giải quyết những thách thức này bằng cách triển khai phát hiện xâm nhập dựa trên mạng nơ-ron nhân tạo, bảo vệ quyền riêng tư dựa trên học liên hợp và nâng cao khả năng diễn giải mô hình bằng trí tuệ nhân tạo có thể giải thích (XAI). Sử dụng các tập dữ liệu mạng và y tế mô phỏng các loại tấn công khác nhau, chúng tôi so sánh hiệu quả của khuôn khổ đề xuất với phương pháp tập trung. Chúng tôi chứng minh rằng phương pháp học liên hợp hoạt động tương tự như phương pháp tập trung, đồng thời bảo vệ quyền riêng tư và cung cấp khả năng giải thích mô hình.
