可搜索加密下智慧醫(yī)療健康隱私數(shù)據(jù)安全保護方法

一、前言

近年來，智慧醫(yī)療逐漸成為全球醫(yī)療健康領(lǐng)域的研究熱點和發(fā)展趨勢。在智慧醫(yī)療環(huán)境中，包括但不限于電子病歷、醫(yī)學影像等健康數(shù)據(jù)往往涉及患者的個人隱私，具有極高的敏感性和重要性。然而，醫(yī)療健康隱私數(shù)據(jù)在存儲和傳輸過程中面臨著諸多安全風險。例如，數(shù)據(jù)泄露可能導致患者隱私被侵犯，進而引發(fā)一系列法律問題；數(shù)據(jù)被篡改則可能影響醫(yī)生的診斷和治療決策，對患者的生命健康構(gòu)成威脅等。因此，研究智慧醫(yī)療健康隱私數(shù)據(jù)安全保護方法具有重要意義。針對數(shù)據(jù)的隱私保護問題，國內(nèi)外學者已經(jīng)進行了大量研究，并取得了顯著成果。文獻1中針對隱私數(shù)據(jù)安全保護問題，設(shè)計一種基于雙層鏈的安全保護方法，可以保證數(shù)據(jù)的真實性、安全性和可擴展性，但雙層鏈結(jié)構(gòu)的復雜性和技術(shù)實現(xiàn)難度較高，在實際應用中，如何確保雙層鏈的穩(wěn)定運行和高效通信是一個挑戰(zhàn)。文獻[2]中針對隱私數(shù)據(jù)安全保護問題，設(shè)計一種基于聯(lián)邦學習算法的安全保護方法，可以提升數(shù)據(jù)的抵抗病毒攻擊能力，但聯(lián)邦學習算法需要參與方之間頻繁交換模型參數(shù)，在復雜網(wǎng)絡(luò)中可能導致巨大的通信開銷。鑒于傳統(tǒng)隱私數(shù)據(jù)安全保護方法存在的問題，本文提出了一種基于可搜索加密的智慧醫(yī)療健康隱私數(shù)據(jù)安全保護方法，以期能夠推動我國智慧醫(yī)療領(lǐng)域的健康發(fā)展。

二、篩選智慧醫(yī)療健康隱私數(shù)據(jù)

一般來說，智慧醫(yī)療健康數(shù)據(jù)涵蓋了個人信息、病歷記錄、診斷結(jié)果、治療方案等多個方面，包含大量的敏感信息，一旦發(fā)生泄露，將造成嚴重的安全問題。因此，為了有效保護智慧醫(yī)療健康隱私數(shù)據(jù)的安全，需要對隱私數(shù)據(jù)進行精準篩選。本文引入基于隱私偏序拓撲分類的方法進行智慧醫(yī)療健康隱私數(shù)據(jù)篩選。首先，獲取智慧醫(yī)療健康數(shù)據(jù)序列中每個數(shù)據(jù)的屬性，這些屬性包括但不限于患者的個人信息、病歷記錄、診斷結(jié)果和治療方案等，并根據(jù)各屬性的敏感程度，確定智慧醫(yī)療健康數(shù)據(jù)的隱私等級。然后，結(jié)合隱私數(shù)據(jù)排序敏感性算法，完成隱私偏序的拓撲分類。這一步驟旨在將具有相似隱私程度的智慧醫(yī)療健康數(shù)據(jù)歸為一類，形成不同的隱私數(shù)據(jù)簇。此時，為了更精確地描述每個隱私數(shù)據(jù)簇的隱私特性，本文定義了極小隱私集的概念。具體來說，就是在一個智慧醫(yī)療健康隱私數(shù)據(jù)集中，包含所有隱私程度最高數(shù)據(jù)的子集即為極小隱私集。在智慧醫(yī)療健康隱私數(shù)據(jù)集X中，設(shè)所有數(shù)據(jù)構(gòu)成的集合為 X={X₁ ， x₂ ， ，每個數(shù)據(jù)x都有對應的隱私程度度量值 p（x_i） 定義極小隱私集V，見式（1）：

V=[x∈X|p（x）=max_y∈Xp（y）]

極小隱私集V是智慧醫(yī)療健康隱私數(shù)據(jù)集中，由所有隱私程度達到最大值的數(shù)據(jù)所組成的子集。因此，本文通過獲取極小隱私集，可以推算出任意一個首隱私極元數(shù)據(jù)（即隱私程度最高的數(shù)據(jù)）在極小隱私集內(nèi)的相對隱私秩。首隱私極元數(shù)據(jù)S是極小隱私集V中的任意一個元素。它滿足 s∈V， 并且在隱私程度上，S與極小隱私集中其他元素具有相同的最高隱私程度，也就是符合極小隱私集的定義條件，是極小隱私集的成員。相對隱私秩用于衡量首隱私極元數(shù)據(jù)在極小隱私集內(nèi)的相對位置或隱私程度的相對關(guān)系。那么，相對隱私秩的計算公式見式（2）：

式中， p（x_i） 表示數(shù)據(jù)項 x 的隱私程度度量值， minX_i 表示數(shù)據(jù)集X中所有數(shù)據(jù)項的隱私程度的最小值，maxXi表示數(shù)據(jù)集X中所有數(shù)據(jù)項隱私程度的最大值。在實際篩選中，假設(shè)智慧醫(yī)療健康隱私數(shù)據(jù)集中的極小隱私集處于非空狀態(tài)。那么，對于隱私程度最高的智慧醫(yī)療健康數(shù)據(jù)來說，隱私線序集的隊尾節(jié)點指向該數(shù)據(jù)。此時，本文在已知層數(shù)和相對隱私秩的情況下，不斷更新智慧醫(yī)療健康數(shù)據(jù)的極小隱私集，直至達到最大迭代次數(shù)，停止更新，可以輸出一組隱私線序，該線序包含隱私數(shù)據(jù)記錄指針、偏序隱私層號以及相對隱私秩。最后，根據(jù)輸出的隱私線序，可以完成基于隱私偏序的智慧醫(yī)療健康數(shù)據(jù)的拓撲分類，并根據(jù)各類別數(shù)據(jù)的敏感程度，篩選出隱私數(shù)據(jù)，進而制定個性化隱私保護方案。

三、基于可搜索加密的隱私數(shù)據(jù)安全保護

根據(jù)上述內(nèi)容完成智慧醫(yī)療健康隱私數(shù)據(jù)的篩選后，針對篩選出的隱私數(shù)據(jù)，本文設(shè)計一種基于國密SM9的可搜索加密方案，以此進行安全保護。首先，以安全參數(shù)A為輸入，生成系統(tǒng)中的公開參數(shù)。具體來說：選取雙線性對群 Q₁，Q₂ 1 Q_r ， Q₁ ， Q₂ 為素數(shù)N階循環(huán)群，e： 為雙線性映射， Y_1?Y₂ 分別為群 Q₁，Q₂ 的生成元，這是基于雙線性對的數(shù)學特性，為后續(xù)加密、解密以及陷門生成提供基礎(chǔ)運算環(huán)境。選取哈希函數(shù) 哈希函數(shù)用于將任意長度的輸入映射為固定長度的哈希值，在加密過程中用于對數(shù)據(jù)進行摘要處理，確保數(shù)據(jù)完整性驗證。密鑰派生函數(shù) F₂：{0，1}^*?{0，1}^L ，密鑰派生函數(shù)KDF根據(jù)輸入的種子值生成所需長度的密鑰材料，其中L為SM9中使用對稱加密的密鑰長度。確定消息認證碼函數(shù)M，消息認證碼函數(shù)M用于驗證消息的完整性和真實性，防止數(shù)據(jù)在傳輸過程中被篡改。選取8比特表示的私鑰生成函數(shù)標識符B，私鑰生成函數(shù)標識符B則用于標識特定的私鑰生成方式，以便在系統(tǒng)中正確生成和管理私鑰。結(jié)合上述參數(shù)，即可生成輸出系統(tǒng)參數(shù)C，見式（3）：

式中，R表示輸出系統(tǒng)參數(shù)之一。以上述系統(tǒng)輸出參數(shù)C為輸入，分別生成接收方和發(fā)送方的密鑰對。本文隨機選取 α∈H_N^* 作為接收方私鑰，計算 αY₁ 作為接收方公鑰。隨機選取 β∈H_N^* 作為發(fā)送方私鑰，計算 作為發(fā)送方公鑰，這種基于隨機數(shù)選取私鑰，并通過與生成元的運算得到公鑰的方式，是公鑰加密體系的常見做法，保證了密鑰對的安全性和隨機性。完成密鑰生成后，本文以關(guān)鍵詞 G∈（0， 1）^* 、接收方公鑰 αY₁ 、發(fā)送方私鑰 β 、隨機比特 x∈（0， 1）^* 和系統(tǒng)參數(shù)C為輸入，生成關(guān)鍵詞密文 W_G ，見式（5）：

W₁ 、 W₂ 、 W₃ 的表述見式（6：

式中， W_1? W₂ 、 W₃ 表示智慧醫(yī)療健康隱私數(shù)據(jù)組成，r表示在生成關(guān)鍵詞密文過程中使用的隨機值，Enc為加密函數(shù)。同時，本文以關(guān)鍵詞 、發(fā)送方公鑰 {BY₁. 接收方私鑰 ∝ 和系統(tǒng)參數(shù)C為輸入，生成關(guān)鍵詞陷門P（G），見式（7）：

最后，以關(guān)鍵詞密文 W_G 、關(guān)鍵詞陷門P（G）和系統(tǒng)參數(shù)C為輸人，對二者所含關(guān)鍵詞是否一致進行匹配測試。在SM9結(jié)構(gòu)中，對稱密鑰派生通?；谝延械乃借€和其他相關(guān)參數(shù)進行。以接收方為例，在生成關(guān)鍵詞密文和陷門時，需要用到對稱密鑰。已經(jīng)生成接收方私鑰 ∝ 和系統(tǒng)公開參數(shù)，對稱密鑰 K_sym 可以通過如下方式派生：首先，計算一個中間值 ，這里利用雙線性映射e的特性，將接收方公鑰 αY₁ 和群 Q₂ 的生成元 Y₂ 進行映射運算。然后，將Z作為密鑰派生函數(shù)KDF的輸入，結(jié)合其他必要的參數(shù)（如特定的鹽值、標識信息等，假設(shè)為salt和info），生成對稱密鑰，見式（8）：

K_sym=KDF（Z，salt，info，L）

其中，R表述為式（4）：

R=（Q₁，Q₂，Q_T，N，e，Y₁，Y₂）

L為所需對稱密鑰的長度。這樣就完成了從私鑰和系統(tǒng)參數(shù)到對稱密鑰的派生過程，為后續(xù)的加密操作提供對稱密鑰支持。

當用戶想要搜索某個關(guān)鍵詞時，使用陷門和加密數(shù)據(jù)作為輸入，進行匹配測試。匹配測試的過程通常涉及雙線性對的計算，通過比較計算結(jié)果和某個預定值來判斷關(guān)鍵詞是否存在于加密數(shù)據(jù)中。如果匹配測試成功，說明關(guān)鍵詞存在于加密數(shù)據(jù)中，系統(tǒng)可以返回相應的搜索結(jié)果（如包含該關(guān)鍵詞的文檔標識符）。否則，說明關(guān)鍵詞不存在于加密數(shù)據(jù)中，系統(tǒng)返回空結(jié)果或表示未找到的提示。

圖1智慧醫(yī)療健康隱私數(shù)據(jù)的安全性系數(shù)對比

私鑰泄露時，因過往密文基于當時公鑰和系統(tǒng)參數(shù)加密，攻擊者無私鑰無法逆向推導關(guān)鍵詞原文，也無法偽造陷門，確保歷史密文安全。密鑰更新后，新密文基于新私鑰加密，舊陷門因與新密文參數(shù)不匹配，無法通過匹配測試保障新密文安全。

如果通過匹配測試，則說明本文設(shè)計的基于國密SM9的可搜索加密方案，能夠滿足智慧醫(yī)療健康隱私數(shù)據(jù)的安全保護需求。

在加密過程中，身份認證是確保數(shù)據(jù)完整性和真實性的重要步驟。在SM9算法中，身份認證可以通過使用消息認證碼函數(shù)MAC來實現(xiàn)。具體步驟如下。

生成消息認證碼：在加密過程中，發(fā)送方可以使用消息認證碼函數(shù)MAC，將消息、對稱密鑰、接收方的公鑰以及其他相關(guān)參數(shù)作為輸入，生成消息認證碼Tag。這個消息認證碼Tag將附加在加密消息上一起發(fā)送給接收方。

驗證消息認證碼：接收方在收到加密消息和消息認證碼后，可以使用相同的消息認證碼函數(shù)MAC，將解密后的消息、對稱密鑰（通過共享密鑰派生得到）以及自己的公鑰作為輸入，重新生成消息認證碼Tag。然后，比較Tag'和接收到的Tag是否相等，以驗證消息的完整性和真實性。

因此，本文通過結(jié)合公鑰認證可搜索加密技術(shù)設(shè)計的隱私數(shù)據(jù)安全保護方案，能夠在加密智慧醫(yī)療健康隱私數(shù)據(jù)上直接進行搜索，同時保證數(shù)據(jù)的隱私性和完整性。

四、實驗分析

（一）實驗設(shè)置

為了驗證可搜索加密下智慧醫(yī)療健康隱私數(shù)據(jù)安全保護方法的有效性和優(yōu)越性，將該方法設(shè)置為實驗組，并引入基于雙層鏈的和基于聯(lián)邦學習算法的兩種智慧醫(yī)療健康隱私數(shù)據(jù)安全保護方法，設(shè)置為對照組，展開仿真對比實驗。首先，采用高性能服務器，搭建本次仿真實驗環(huán)境。然后，采用EICU數(shù)據(jù)集作為實驗數(shù)據(jù)。EICU數(shù)據(jù)集是一個包含大量重癥監(jiān)護患者健康隱私信息的公開智慧醫(yī)療數(shù)據(jù)集，涵蓋了患者的姓名、性別、治療記錄等多種類型的數(shù)據(jù)。實驗過程中，分別應用實驗組方法和對照組中兩種方法針對實驗數(shù)據(jù)集進行安全保護，對比分析保護結(jié)果。

（二）結(jié)果分析

在本次實驗中，為避免實驗結(jié)果的偶然性，將原始EICU數(shù)據(jù)集劃分為多個不同大小的數(shù)據(jù)包。在不同規(guī)模的智慧醫(yī)療健康隱私數(shù)據(jù)下，分別應用上述三種方法進行安全保護。為了驗證各方法對隱私數(shù)據(jù)的保護效果，對智慧醫(yī)療健康隱私數(shù)據(jù)進行模擬攻擊，引入了針對不同攻擊類型的影響因子，從數(shù)據(jù)泄露、推斷攻擊以及訪問模式泄露三個維度綜合評估數(shù)據(jù)安全性。具體公式見式（9）：

式中，U代表智慧醫(yī)療健康隱私數(shù)據(jù)的綜合安全性系數(shù)，該值越大，表明數(shù)據(jù)的安全保護效果越理想。 o₁ 、 ω_ω2 、 ω_ω（ω）₃ 分別為數(shù)據(jù)泄露維度、推斷攻擊維度、訪問模式泄露維度的權(quán)重系數(shù)。

數(shù)據(jù)泄露維度： N_w 表示在模擬攻擊下智慧醫(yī)療健康隱私數(shù)據(jù)未泄露量，N表示智慧醫(yī)療健康隱私數(shù)據(jù)總量， N_w/N 用于衡量在模擬攻擊下未泄露數(shù)據(jù)量在總數(shù)據(jù)量中所占的比例，直觀反映數(shù)據(jù)泄露情況對安全性的影響。

圖2智慧醫(yī)療健康隱私數(shù)據(jù)的運行時間對比

1-I/I用于衡量推斷攻擊下的安全性。I表示通過推斷攻擊導致泄露的敏感信息數(shù)量，I表示數(shù)據(jù)中包含的敏感信息總量。該比例越大，說明推斷攻擊造成的影響越小，數(shù)據(jù)在抵御推斷攻擊方面的安全性越高。

1-K/K用于衡量訪問模式泄露下的安全性。K表示出現(xiàn)異常訪問模式的次數(shù)，K表示總的訪問次數(shù)。該比例越大，表明訪問模式的安全性越高，遭受訪問模式泄露攻擊的風險越低。

根據(jù)上式，計算并整理在模擬攻擊場景下，實驗組方法和對照組中兩種方法安全保護后智慧醫(yī)療健康隱私數(shù)據(jù)的安全性系數(shù)，如圖1所示。從圖1數(shù)據(jù)可以看出，與對照組中兩種方法相比，實驗組方法具有更佳的智慧醫(yī)療健康隱私數(shù)據(jù)安全保護效果。具體來說，在模擬攻擊場景下，經(jīng)過實驗組方法保護后的智慧醫(yī)療健康隱私數(shù)據(jù)的平均安全性系數(shù)為0.9736，較對照組中兩種方法分別提升了0.0425、0.0649，說明實驗組方法的抗攻擊能力更強，可以有效保護智慧醫(yī)療健康隱私數(shù)據(jù)安全，避免數(shù)據(jù)泄露。為了進一步驗證實驗組方法的優(yōu)越性，在應用實驗組方法和對照組中兩種方法進行不同規(guī)模的智慧醫(yī)療健康隱私數(shù)據(jù)包安全保護過程中，統(tǒng)計并整理各方法運行時間，如圖2所示。

從圖2數(shù)據(jù)可以看出，在不同規(guī)模的智慧醫(yī)療健康隱私數(shù)據(jù)包安全保護中，實驗組方法表現(xiàn)出明顯高于對照組中兩種方法的保護效率。隨著待安全保護智慧醫(yī)療健康隱私數(shù)據(jù)規(guī)模的不斷增加，三種方法的運行時間均有所上升。但是，與對照組中兩種方法相比，實驗組方法的運行時間不僅一直處于最低水平，而且上升速率更小。由此可以說明，實驗組方法可以在保證智慧醫(yī)療健康隱私數(shù)據(jù)安全性的同時，顯著提升安全保護效率?？傊疚难芯康目伤阉骷用芟轮腔坩t(yī)療健康隱私數(shù)據(jù)安全保護方法是可行且可靠的，能夠滿足智慧醫(yī)療健康領(lǐng)域?qū)Π踩院蛯崟r性要求較高的應用場景。

五、結(jié)語

本文針對智慧醫(yī)療健康隱私數(shù)據(jù)安全保護問題，設(shè)計了一種基于可搜索加密的隱私數(shù)據(jù)安全保護方法。文中首先基于隱私偏序拓撲分類的方法，篩選出了需要保護的隱私數(shù)據(jù)。然后，設(shè)計一種基于國密SM9的可搜索加密方案，保護了隱私數(shù)據(jù)的安全性。仿真對比實驗結(jié)果表明，相比傳統(tǒng)方法，本文設(shè)計方法能夠顯著提高智慧醫(yī)療健康隱私數(shù)據(jù)安全保護效果，為智慧醫(yī)療服務的順利開展提供有力保障。未來，本文將繼續(xù)優(yōu)化算法性能，提高系統(tǒng)可擴展性，以適應更大規(guī)模的數(shù)據(jù)集和更復雜的應用場景。

參考文獻

[1]劉靖宇，曹興旺，顏鈺瑩，等.基于雙層鏈的個人隱私數(shù)據(jù)保護和授權(quán)框架[J].鄭州大學學報（理學版），2024，56（02）：1-8.

[2]符太東，李育強.基于聯(lián)邦學習算法的復雜網(wǎng)絡(luò)大數(shù)據(jù)隱私保護[J].計算機仿真，2024，41（06）：498-502.

[3]蔣偉進，陳藝琳，韓裕清，等.K-Modes聚類數(shù)據(jù)收集和發(fā)布過程中的混洗差分隱私保護方法[J].通信學報，2024，45（01）：201-213.

[4]宋翔飛，王化群.一個具有前向安全和后向安全的可驗證多關(guān)鍵字可搜索加密方案[J].計算機學報，2023.46（04）：727-742.

[5]周丹鈺，閻允雪，張建棟，等.隱私保護的高效安全三方稀疏數(shù)據(jù)計算[J].計算機學報，2024，47（05）：1179-1193.

作者單位：仁澎（上海）醫(yī)療科技有限公司

責任編輯：王穎振 鄭凱津