Beyond Smart Homes: An In-Depth Analysis of Smart Aging Care System Security
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The upward trend in the percentage of the population older than 65 has made smart aging more relevant than ever before. Growing old in a traditional assisted living facility can take a toll on the mental well-being of the elderly individual, on top of other factors like extravagant costs, potential negligence from caregivers, and a ceaseless demand for healthcare personnel. Aging in one’s own space instead of a senior residence is the desirable alternative thanks to enabling technologies like the Internet of Things (IoT). The IoT facilitates connected healthcare, safety, entertainment, and social well-being of the older population. However, it suffers from a multitude of security vulnerabilities. Although researchers have investigated the security challenges of several IoT ecosystems, IoT systems in the context of smart aging care have not been well studied from a security perspective. In this article, we present an in-depth analysis of smart aging care system security issues. A smart aging care system is essentially a superset of smart homes and healthcare monitoring systems. The sheer variety of technologies at play and the amount of data generated, combined with physical vulnerabilities and a lack of technological exposure of the intended occupant group put smart aging care systems at great risk. Attacks against relatively benign smart home devices can bring serious consequences because of the context in which these devices are employed. Thus, the purpose of our study is four-fold: (i) defining the components and functionalities of a smart aging care system, (ii) identifying security vulnerabilities and outlining suitable countermeasures for them, (iii) analyzing how the attacks uniquely impact senior users’ Quality of Life (QoL), (iv) highlighting avenues for future research and how the threat landscape in smart aging care systems differ from general smart homes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,003 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle