تتزايد أهمية الأجهزة الطبية المتصلة (IoMT) في عالمنا المعاصر، حيث تعمل هذه الأجهزة تحت قيود صارمة من حيث الموارد وتتعامل مع بيانات صحية حساسة للغاية. وهذا يجعل أمان هذه الأنظمة وخصوصيتها من القضايا الحساسة. يعتمد التعلم الفيدرالي (Federated Learning) في هذا الإطار على تبادل تحديثات النماذج خلال التدريب، مما قد يؤدي غير مقصود إلى تسريب معلومات طبية خاصة.

ومع توسع قدرات الحوسبة الكمومية، تبرز تحديات جديدة تهدد فعالية الأساليب التقليدية لفتح الشيفرات الخفيفة. لذا، يصبح دمج التشفير بعد الكم (Post-Quantum Cryptography - PQC) في أنظمة IoMT أمرًا ضروريًا.

يناقش هذا المقال تقنيات رئيسية تمكّن IoMT من التصدي لتحديات الحوسبة الكمومية، مثل إنشاء مفاتيح بعد الكم، والتشفير الخفيف، وتنظيم العمليات بطريقة ملائمة للحافة. كما نقترح إطار عمل قابل للتطوير يعتمد على نظام Kubernetes لدمج PQC في بيئات IoMT التي تدعم التعلم الفيدرالي، وقمنا بتجربة هذا النظام على منصة Raspberry Pi.

أظهرت النتائج أن معالجة التشفير الموزعة تقلل بشكل كبير من زمن الاستجابة مقارنةً بالتصاميم التقليدية، مع الحفاظ على تحميل موارد معقول. يتمثل الإسهام الرئيسي لهذا العمل في تصميم والتحقق من إطار عمل آمن للتنسيق والتواصل في أنظمة IoMT المدعومة بالتعلم الفيدرالي.

ختامًا، نستعرض الاتجاهات المستقبلية نحو بناء هياكل ذات وعي الطاقة، وتحسين الأمان الذكي، وأنظمة إنترنت الأشياء الطبية الذكية من الجيل القادم (IIoMT) القادرة على التكيف مع التحديات المتزايدة في عالم التقنيات الحديثة.