ปกป้องอนาคตของปัญญาประดิษฐ์ทางคลินิกอัตโนมัติ

ผมเป็นนักวิจัยหลักและวิศวกรความปลอดภัยที่ทำงาน ณ จุดบรรจบของปัญญาประดิษฐ์ทางการแพทย์และความมั่นคงปลอดภัยไซเบอร์เชิงรุก/เชิงรับ

การแพทย์สมัยใหม่พึ่งพาสถาปัตยกรรมโครงข่ายประสาทเทียมลึกมากขึ้นเรื่อย ๆ — ตั้งแต่ Vision Transformer 3 มิติที่วิเคราะห์ภาพ CT/MRI เชิงปริมาตร ไปจนถึงโมเดลพื้นฐานทางคลินิกที่ช่วยคัดกรองการวินิจฉัย ทว่าโมเดลเหล่านี้ทำงานอยู่ในเครือข่ายโรงพยาบาลที่เชื่อมต่อถึงกัน และยังคงเสี่ยงต่อการรบกวนแบบปรปักษ์ที่ตรวจไม่พบ การทำหน่วยความจำเสียหายในตัวแยกวิเคราะห์ DICOM และการโจมตีแบบ Gradient Inversion

งานวิจัยของผมมุ่งเน้นสามปัญหาหลัก: (1) ความแข็งแกร่งที่พิสูจน์ได้ของการแบ่งส่วนภาพทางการแพทย์ 3 มิติภายใต้การรบกวน L-infinity ที่มีขอบเขต (2) การจำกัดสิทธิ์ระดับเคอร์เนลด้วย eBPF และ Rust สำหรับเวิร์กโหลดการอนุมานปัญญาประดิษฐ์ที่ไม่เชื่อถือ และ (3) การเรียนรู้แบบกระจายศูนย์ที่เป็นส่วนตัวเชิงดิฟเฟอเรนเชียลข้ามกลุ่มผู้ป่วยหลายสถาบัน

สาขาการวิจัยหลัก

01

ความทนทานต่อการโจมตีแบบปรปักษ์ในการถ่ายภาพเชิงปริมาตร 3 มิติ

การออกแบบการปรับให้เรียบแบบสุ่มที่มีใบรับรอง และ Vision Transformer 3 มิติที่ผ่านการควบคุมสเปกตรัม (Swin-UNETR) ให้ทนทานต่อการรบกวน PGD และการรบกวนในโดเมนความถี่ในปริมาตร MRI/CT

02

การตรวจสอบรันไทม์ด้วย eBPF และการจำกัดสิทธิ์ที่ปลอดภัยต่อหน่วยความจำ

การขจัดช่องโหว่ของตัวแยกวิเคราะห์ในเกตเวย์ DICOM ทางคลินิก และการแยกการทำงานของโมเดลที่ไม่เชื่อถือด้วย Linux Landlock, seccomp-bpf และ eBPF probes แบบ ring-buffer

03

การเรียนรู้ทางคลินิกแบบกระจายศูนย์และการป้องกัน Gradient

การป้องกันการโจมตีสร้างข้อมูลผู้ป่วยขึ้นใหม่จากเกรเดียนต์ของโมเดลที่แบ่งปัน โดยใช้ Rényi Differential Privacy (RDP) และโปรโตคอลการรวมแบบปลอดภัย

ประสบการณ์

2024 — ปัจจุบัน
นักวิจัยวิทยาศาสตร์หลัก (ปัญญาประดิษฐ์ทางการแพทย์และความปลอดภัย)
Synapse Security & Clinical AI Lab

นำการวิจัยข้ามสาขาวิชาด้านความทนทานต่อการโจมตีแบบปรปักษ์สำหรับท่อส่งข้อมูลรังสีวิทยา FDA SaMD และเอนเคลฟการอนุมานแบบ Zero-Trust

2021 — 2024
นักวิจัยความปลอดภัยอาวุโส (โครงสร้างพื้นฐานปัญญาประดิษฐ์)
Aegis Systems Defense

ออกแบบการบังคับใช้รันไทม์บนพื้นฐาน eBPF สำหรับคลัสเตอร์คอมพิวเตอร์ GPU และค้นพบ CVE ระดับวิกฤตหลายรายการในตัวแยกวิเคราะห์ภาพทางการแพทย์

2017 — 2021
ปริญญาเอก วิทยาการคอมพิวเตอร์ (การเรียนรู้ของเครื่องเชิงปรปักษ์และการถ่ายภาพทางการแพทย์)
Institute for Computational Medicine

วิทยานิพนธ์ว่าด้วยขอบเขตความแข็งแกร่งที่มีใบรับรองสำหรับการแบ่งส่วนเนื้องอกสมองเชิงปริมาตรในภาพ MRI 3T แบบมัลติมอดัล

ผลงานตีพิมพ์ที่คัดสรร

01 — 2026 · MICCAI / IEEE Transactions on Medical Imaging
Spectral-Norm Regularized 3D Swin Transformers Against Imperceptible Volumetric Perturbations in Clinical MRI
PDF →
02 — 2025 · USENIX Security Symposium
Zero-Trust PACS: Mitigating Heap Overflow Exploits in Legacy C++ DICOM Parsers via Rust FFI & eBPF Containment
PDF →
03 — 2025 · NeurIPS Workshop on Privacy in Machine Learning
Sub-Gaussian Rényi Differential Privacy Bounds for Multi-Center Oncology Federated Learning
PDF →

ติดต่อ

สำหรับการเปิดเผยช่องโหว่ในอุปกรณ์ทางการแพทย์หรือท่อส่งข้อมูลปัญญาประดิษฐ์ทางคลินิกอย่างประสานงาน ความร่วมมือทางวิชาการ หรือข้อซักถามด้านบรรณาธิการ กรุณาใช้อีเมลเข้ารหัสด้านล่าง เนื้อหาในหน้านี้จัดการผ่าน Payload CMS (/admin).

PGP //4F9A 8C12 E7B0 31D4 992A 7E11 C0DE 8841 B209 6F1C
เกี่ยวกับ — Dr. Alex Mercer