LATIDIA · Ciberseguridad

Fusión de firmas espectrales y agrupamiento de activación para la detección de puerta trasera en modelos de imágenes de atención médica: método, implementación y evaluación

arXiv: 2609.14290v1 Tipo de anuncio: nuevo Resumen: Los modelos de aprendizaje automático se implementan cada vez más en las canalizaciones de imágenes de atención médica para el soporte de diagnóstico, y los ataques de tiempo de capacitación contra ellos son un conjunto de nivel sectorial con nombre

La noticia

arXiv:2609.14290v1 Announce Type: new Abstract: Machine learning models are increasingly deployed in healthcare imaging pipelines for diagnostic support, and training-time attacks against them are a named sector-level concern: healthcare-sector guidance identifies model poisoning and adversarial attacks as threats requiring dedicated defenses, while federal policy directs expanded AI vulnerability-detection tooling to critical infrastructure operators such as rural hospitals. Spectral signature analysis and activation clustering are two established backdoor detection methods routinely evaluated as independent baselines, but their outputs are not ordinarily combined, and reported detection performance on medical imaging benchmarks remains sparse relative to the natural-image setting. This paper contributes three things: a score-level fusion rule combining per-class spectral ranking with