Red Team | MEDSHIELD: Threat Modeling for Medical IoT

Red Team | MEDSHIELD: Threat Modeling for Medical IoT

🎙 Dr. Jennifer Schieferle Uhlenbrock & Dr. Deepti Gupta 👥 70K 📅 17 février 2026 ⏱ 30 min 👁 220 📄 revue d'actualité 🧭 2026-08-15
Disponible en : Français (actuel) English

Mots-clés

MEDSHIELDThreat ModelingIoT médicalCybersécuritéPatient Safety

Résumé

Cette présentation du SANS Hack & Defend Summit 2025 introduit MEDSHIELD, un framework de threat modeling spécifiquement conçu pour les dispositifs médicaux connectés (IoMT). Les intervenantes, Dr. Jennifer Schieferle Uhlenbrock, experte en soins infirmiers et cybersécurité, et Dr. Deepti Gupta, professeure assistante, combinent leurs expertises clinique et technique pour répondre aux défis uniques de la sécurité des dispositifs médicaux. Elles soulignent la vulnérabilité chronique de ces dispositifs, avec des failles non corrigées pendant des années, et l’impact potentiel sur la sécurité des patients. Le framework MEDSHIELD propose une approche en neuf étapes : cartographier l’écosystème, décomposer les dispositifs, appliquer STRIDE, chasser les vulnérabilités, indexer les risques avec un score d’impact clinique, établir des mesures d’atténuation, valider par des tests purple team, et documenter pour l’amélioration continue. Les intervenantes illustrent les attaques typiques (empoisonnement de prompts LLM, fuites de données, problèmes de contrôle d’accès) et présentent des solutions intégrant l’IA et l’apprentissage automatique. L’objectif est de fournir un cadre pratique pour les professionnels de la santé et de la cybersécurité afin de réduire les risques et d’améliorer la résilience des systèmes de santé connectés.

183 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur principale de cette présentation réside dans son approche interdisciplinaire, combinant expertise clinique et technique pour aborder un problème souvent traité de manière cloisonnée. L’argumentation est solide, s’appuyant sur des exemples concrets de violations de données et des statistiques sur les vulnérabilités des dispositifs médicaux. Les intervenantes justifient la nécessité d’un framework dédié en soulignant les limites des modèles traditionnels (STRIDE, PASTA) qui ne prennent pas en compte l’impact clinique. La méthodologie en neuf étapes est présentée de manière structurée, avec des exemples d’application. Cependant, l’argumentation aurait gagné à inclure des études de cas détaillées ou des résultats quantitatifs pour renforcer la démonstration.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est globalement bonne : les intervenantes citent des recherches personnelles et des références générales, mais sans fournir de sources précises dans la présentation. La qualité des sources est correcte, mais l’absence de références bibliographiques explicites limite la vérifiabilité. L’adéquation entre le titre et le contenu est bonne, le titre reflétant fidèlement le sujet. Les commentaires ne sont pas fournis, donc aucune analyse des tendances du public n’est possible.

190 mots

Adéquation titre / contenu

Le titre reflète bien le contenu : présentation d'un framework de threat modeling pour l'IoT médical, avec une approche red team.

Qualité & fiabilité

7/10

Les intervenantes sont des expertes reconnues (infirmière clinicienne et consultante en cybersécurité ; professeure assistante en systèmes d'information). Le contenu s'appuie sur des recherches publiées et des expériences de terrain, mais reste une présentation de conférence sans données chiffrées détaillées ni références exhaustives.

Moments clés

Sources citées

  • SANS Hack & Defend Summit 2025 — Présentation de la conférence où ce talk a été donné.

Sources concordantes

Apport & nouveautés

L’apport original de MEDSHIELD réside dans son intégration de l’impact clinique dans le threat modeling, une dimension souvent négligée. Le framework propose une approche holistique qui combine aspects techniques, opérationnels et cliniques, avec un score de risque clinique. Il vise à briser les silos entre les équipes de sécurité, biomédicales et cliniques.

Pour aller plus loin :

  • STRIDE — Modèle de classification des menaces utilisé dans le framework.
  • PASTA — Processus de threat modeling mentionné comme alternative.
  • IoMT Security — Guidance de la FDA sur la cybersécurité des dispositifs médicaux.

90 mots

Profil radar

Le profil radar montre une bonne quantité d'informations et une fiabilité correcte, mais un niveau technique modéré, ce qui reflète une présentation destinée à un public large. La qualité de l'information est bonne, mais l'absence de références détaillées limite la profondeur.

Fiabilité 7/10