Microchip Technology Inc.安全与计算业务部
产品营销经理
Xavier Bignalet
深入探讨美国食品药品监督管理局(FDA)关于医疗物联网(IoMT)的医疗及保健指南。
医疗行业对连接设备的日益依赖使其易受网络攻击,排名仅次于小型企业。为了防止潜在的灾难,美国食品药品监督管理局(FDA)已经制定了可供医疗设备制造商遵循的嵌入式设备安全实现指南。这份指南涵盖了设计、开发、产品发布、售后支持和停产等各个阶段。尽管FDA指南中的信息对于设计人员来说是必读的,但它通常以高层级角度编写,最常见的是阐述应当实现哪些功能,而没有说明如何实现。为了帮助医疗设备设计人员深入研究,本文提供了一些缺失的细节。
自2014年以来,FDA一直在发布关于医疗行业网络安全的建议,每一项都在更新之前的要求以应对快速演变的威胁态势。最新指南包含在2022年4月发布的“医疗设备中的网络安全:质量体系考虑因素和售前提交内容:行业和食品药品监督管理局员工的草案指南”中。它主要有三个部分:
一般原则:
如何以及为什么网络安全应该是设备安全、质量体系规定的一部分,如何为安全进行设计,为什么提供透明度至关重要,以及提交文档。
安全产品开发框架:
如何使用威胁模型和包含安全控制、全局系统和多模式伤害视图的安全架构来管理和评估安全风险,以及更新和补丁的需要。这部分还提供了关于网络安全测试的详细信息。
网络安全透明度:
通过贴标签和建立漏洞管理计划来传达,它承认用户具有不同的缓解能力,并且解决方案应适合每一个人。
不过,对于嵌入式系统设计人员来说,最有用的信息在最后的附录1中,包括关于身份验证、授权、加密技术、执行完整性、事件检测、记录弹性、固件和软件更新的信息。
有必要单独涵盖每个主题,以填补FDA广泛指南中缺失的细节。
首先,身份验证对于安全模型而言必不可少。公钥/私钥对和关联的证书链将医疗设备连接到网络。需要将私钥与可能包含漏洞并使密钥容易获取的设备固件隔离。FDA建议将加密密钥置于类似于Microchip的CryptoAuthentication™安全IC的防篡改安全密钥存储中。
必须通过信任彼此的设备和云来验证到云服务器的连接。虽然可以对每个会话都进行验证,但这可能会在电池供电的物联网(IoT)设备中消耗大量电能。硬件加密加速器和安全密钥存储的组合显著缓解了这个问题,因为它可在休眠模式下保持纳安级的极低电流。
用户身份验证允许管理员、技术人员和其他人员进行特权设备访问,这引入了密钥认证的概念。这类用例是通过预定义的CryptoAuthentication集成电路(IC)配置利用Trust Platform Design Suite(TPDS)开发工具提供的。
信息真实性对于在嵌入式系统中为消息签名并验证其可信度必不可少。虽然密码认证IC本质上处理加密或未加密的消息验证,但也可以使用采用对称的相关加密加速器的消息验证代码(MAC)。
授权是FDA指南的另一个重要贡献,因为它建立了最小特权原则,即在可信执行区和应用区之间设置权限和许可来管理关键代码。每个模块只能访问实现其目的所需的信息和资源。
加密技术显然是确保安全的另一个关键因素。FDA明智地建议使用标准加密算法,因为在大量社区用户输入的帮助下,公共组织不断对它们进行测试和更新。加密密钥将验证数据的完整性,但不会验证有效性,因此设计人员必须验证所有来自外部源的数据是否结构良好并符合相应的规范或协议。
机密性与身份验证和授权有关,如果加密密钥在硬件中未被保密,则可能发生未经授权的使用。制造商应确保对所有可能被黑客利用,从而对患者造成伤害的数据的机密性提供支持。在处理和存储用于身份验证的加密密钥时,必须确保机密性,因为披露可能导致对设备功能的未经授权使用或滥用。
FDA文件提供了正确实现授权和身份验证方案的信息,这些方案通常会确保机密性。不过,设计人员应当在威胁建模期间评估是否为这种情况,并对系统进行必要的更改以确保采取适当的控制措施。
此外,FDA还说明了事件检测和记录,同时建议将它们存储下来以供取证发现使用。这涉及保留和恢复可信的默认设备配置,设计人员必须确定如何使用安全密钥存储来实现这一点。
可以合理地假设,现在所有物联网(IoT)设备都允许进行无线(OTA)固件和软件更新,但事实是许多这样的设备没有这种能力。没有适当的固件,便无法快速部署系统更新来应对最新的威胁。代码更新也应符合已建立的用户权限,因为拥有公钥的人员可以控制OTA更新并注入有害代码。
幸运的是,CryptoAuthentication IC让这个过程变得既简单又自动化,并且可以确保更新得到执行。单个CryptoAuthentication IC可以安全地存储FDA提到的大部分(如果不是全部)用例的加密密钥。
总结
对于医疗设备制造商而言,FDA的最新指南涵盖的范围十分全面,目的是推动医疗系统网络安全领域的发展。这些指南以可纳入立法的形式编写,而不是作为嵌入式系统设计人员的“操作指南”,这就是为什么基准级别的讨论只包含在附录中。
Microchip花费多年时间开发出一套安全设备和工具的可信生态系统,在开始开发将包含在下一代医疗产品中的系统之前,它是一个很好的起点。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。