Los sistemas de reconocimiento de actividad humana (HARS) son vitales en una amplia gama de aplicaciones de la vida real y son un área de investigación académica vibrante. Aunque se adoptan en muchos campos, como el medio ambiente, la agricultura y la atención médica, y se consideran tecnología asistencial, parecen descuidar los aspectos de seguridad y privacidad. Este problema ocurre debido a la naturaleza omnipresente de los HARS basados en sensores. Los sensores son dispositivos con bajo consumo de energía y capacidades computacionales limitadas, que se unen a una aplicación de aprendizaje automático que se encuentra en un entorno de comunicación dinámico y heterogéneo, y no hay un enfoque unificado generalizado para evaluar su seguridad/privacidad, sino más bien solo soluciones individuales. En este trabajo, estudiamos los HARS en particular y tratamos de extender las técnicas existentes para estos sistemas considerando la seguridad/privacidad de todos los componentes participantes. Inicialmente, en este trabajo, presentamos la arquitectura de una aplicación médica de IoT de la vida real y el flujo de datos entre las entidades participantes. Luego, revisamos brevemente los problemas de seguridad y privacidad y presentamos posibles vulnerabilidades de cada capa del sistema. Introducimos una arquitectura sobre la capa de comunicación que ofrece autenticación mutua, resolviendo muchos problemas de seguridad y privacidad, particularmente el ataque de intermediario (MitM). Basándonos en las soluciones propuestas, logramos prevenir el acceso no autorizado a información crítica al proporcionar una aplicación confiable.