Internet de las cosas (IoT) es una tecnología de red emergente que conecta objetos tanto vivos como no vivos a nivel mundial. En una era en la que IoT se integra cada vez más en diversas industrias, incluida la atención médica, desempeña un papel fundamental en simplificar el proceso de monitoreo e identificación de enfermedades para pacientes y profesionales de la salud. En los sistemas basados en IoT, salvaguardar los datos de salud es de suma importancia, para prevenir el acceso no autorizado y los ataques intermedios. La motivación de esta investigación radica en abordar las crecientes preocupaciones de seguridad dentro del IoT de la atención médica. En este documento propuesto, combinamos la Red de Aprendizaje Profundo de Múltiples Pasos (MSDQN) con la Red de Aprendizaje Profundo (DLN) para mejorar la privacidad y seguridad de los datos de salud. La DLN se emplea en el proceso de autenticación para identificar dispositivos IoT autenticados y prevenir ataques intermedios entre ellos. Por otro lado, el MSDQN se aprovecha para detectar y contrarrestar ataques de malware y ataques de Denegación de Servicio Distribuido (DDoS) durante la transmisión de datos entre diversas ubicaciones. El rendimiento de nuestro método propuesto se evalúa en función de parámetros como el consumo de energía, el rendimiento, la vida útil, la precisión y el Error Cuadrático Medio (MSE). Además, hemos comparado la efectividad de nuestro enfoque con un método existente, específicamente, Red de Aprendizaje Profundo basada en Aprendizaje (LDQN).