[发明专利]基于异常检测的医疗数据安全存储与共享方法在审
申请号: | 202210900919.0 | 申请日: | 2022-07-28 |
公开(公告)号: | CN115396155A | 公开(公告)日: | 2022-11-25 |
发明(设计)人: | 李红宁;钱立超;裴庆祺 | 申请(专利权)人: | 西安电子科技大学广州研究院 |
主分类号: | H04L9/40 | 分类号: | H04L9/40;H04L67/12;H04L67/104;G16H10/00;G06F21/64;G06F21/62;G06F16/27 |
代理公司: | 广东省中源正拓专利代理事务所(普通合伙) 44748 | 代理人: | 党冲 |
地址: | 510000 广东省广州市黄*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 异常 检测 医疗 数据 安全 存储 共享 方法 | ||
1.基于异常检测的医疗数据安全存储与共享方法,其特征在于,所述安全存储与共享方法,包括以下步骤:
步骤一,构建医疗服务区块链网络,身份认证中心,权限匹配中心和分布式异常检测模型;
步骤二,医疗数据采集者与申请者向身份认证中心发送请求;
步骤三,对请求者进行身份认证,将通过认证的请求者与请求对象进行权限匹配;
步骤四,请求者进行医疗服务交互;
步骤五,系统运行数据收集与预测,返回异常检测结果,对异常节点进行权限限制。
2.根据权利要求1所述的基于异常检测的医疗数据安全存储与共享方法,其特征在于,所述步骤一包括:
(1)分布式异常检测模型选取医疗数据区块链网络中数据监测节点进行系统运行数据收集得到原始系统数据X=(x1,x2,...,xn);
(2)计算原始系统数据X的相关系数矩阵R及对应的特征值λi与特征向量μi;
(3)对特征值进行从小到大排序λmin≤...≤λmax;
(4)计算前j项特征值的贡献率剔除αj≤20%部分的特征值对应的数据,得到处理后系统数据Y=(y1,y2,...,yn);
(5)将数据Y输入LSTM神经网络训练与优化,得到异常检测模型MLSTM。
3.根据权利要求1所述的基于异常检测的医疗数据安全存储与共享方法,其特征在于,所述步骤三包括:
(1)身份认证中心根据基于国密SM2数字签名算法生成的数据请求者数字证书DCr确定身份;
(2)权限匹配中心根据数据请求者编码IDr、数据拥有者编码IDo以及医疗服务类型Ts确定医疗服务对象与医疗数据的权限匹配关系Mp:
(3)若权限匹配关系Mp结果为Np则拒绝提交数据交互请求;若结果为Yp则再根据数据请求者编码IDr、数据拥有者编码IDo以及医疗服务类型Ts计算医疗服务对象与医疗数据的权限匹配数据内容Co:
其中Cpt表示若请求数据为完全权限数据,则直接获取得到;Cdm表示若请求数据为非完全权限数据,则脱敏后获取得到。
4.根据权利要求1所述的基于异常检测的医疗数据安全存储与共享方法,其特征在于,所述步骤五包括:
(1)将系统现m个时间点的运行数据Xnow=(xn1,xn2,...,xnm)输入步骤一中异常检测模型MLSTM,得到系统未来x个时间点的运行预测数据Ypredicted=(yp1,yp2,...,ypx);
(2)利用运行数据实际值Yreal=(yr1,yr2,...,yrx)确定系统运行数据统计值Ystatistics=(ys1,ys2,...,ysx)及异常检测返回值Vreturn:
其中ysn、yrn和ypn分别表示第n个时间点的统计数值、实际数值和预测数值;
(3)针对返回值为Rabnormal的医疗数据区块链节点更新并限制其权限。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学广州研究院,未经西安电子科技大学广州研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210900919.0/1.html,转载请声明来源钻瓜专利网。