[发明专利]一种物联网健康大数据的处理方法

说明书

本发明公开了物联网健康大数据的处理方法，包括以下步骤，首先确定物联网健康医疗大数据的安全数据格式要求，接着对采集到的数据由分级引擎模块进行风险分级处理，然后采用神经网络特征提取并学习的分类算法同时引入AdaBoost集成学习方法神经网络特征提取到的物联网健康大数据态势点集进行迭代优化，生成物联网健康大数据网络态势模型。本数据模型更加精确，大大促进了物联网医疗健康大数据态势预测、风险排查、治理，隐私数据安全采用风险分级管控模式可以更好的对隐私数据进行等级保护，可以辅助安全相关部门及早做好应对措施。

技术领域

本发明涉及物联网健康大数据安全领域，具体地，涉及一种物联网健康大数据的处理方法。

背景技术

近来年，大数据在健康领域的不断应用和发展，已为广大群众提供了优质、便捷的服务，也为健康领域的科技发展带来动力。目前健康医疗大数据平台汇集了医疗服务、疾病防治、妇幼健康、人口家庭、电子健康档案、家医签约服务、行业监管等方面的数据资源，主要包括门诊住院信息，住院病案信息，人口个案信息，电子健康档案，电子健康卡注册使用信息，数据量都达到了万亿条以上，健康医疗大数据资源体系已初具规模。

目前的医疗健康大数据安全方面采用加密、数据库审计、防篡改等技术，网络安全方面通过等级保护实现基本安全，但是隐私数据安全还是没有一个妥善的机制。

采用神经网络特征提取并学习的分类算法同时引入AdaBoost集成学习方法神经网络特征提取到的物联网健康大数据态势点集进行迭代优化，生成物联网健康大数据网络态势模型，并通过安全风险分级管理机制和风险排查治理机制相结合的模式对物联网医疗健康大数据网络安全领域可实现高精准的等级保护，隐私数据安全也能及早预测和及时治理。

发明内容

为了解决如何对物联网健康大数据多种数据样本进行安全风险管理、风险态势预测、排查、治理的问题，本发明提供一种物联网健康大数据的处理方法。

根据本发明实施例的物联网健康大数据的处理方法，包括如下步骤：

S1、确定物联网健康医疗大数据的安全数据格式要求，采用数据采集模块收集物联网健康医疗大数据，采用统一格式对通信通道中被篡改以及丢失的数据等异常数据进行数据采集和预处理后统一编码；

S2、对步骤S1采集到的数据由分级引擎模块进行风险分级处理，分级方法为对在节点采集到的数据进行特征提取，并利用不同的特征子集对物联网健康大数据样本进行分类；

S3、采用神经网络特征提取并学习的分类算法同时引入AdaBoost集成学习方法神经网络特征提取到的物联网健康大数据态势点集进行迭代优化，生成物联网健康大数据网络态势模型。

根据本发明的一些实施例，在所述步骤S2，通过安全风险分级管理机制和风险排查治理机制相结合的模式对物联网医疗健康大数据网络安全领域实现高精准的等级保护。

根据本发明的一些实施例，在所述步骤S2包括如下具体步骤：

S21、对物联网健康大数据集采用规范化矢量表示，即，V(d)＝{d₁，w₁(d)，d₂，w₂(d)，...，d_n，w_n(d)}，其中，d_n为物联网健康大数据集D中的一条数据，w_n(d)为d_n在D中的权值，权值累计为1；

S22、对物联网健康大数据集进行评价函数构建。

根据本发明的一些实施例，在所述步骤S22包括如下具体步骤：

S221、假设有n个评价对象，m个数据指标；

S222、建立评价对象因素指标集U＝{u₁,u₂,…,u_n}；