[发明专利]医疗数据隐私保护的云辅助决策树模型诊断系统及方法

说明书

本发明公开了一种医疗数据隐私保护的云辅助决策树模型诊断系统及方法，系统包括可信中心、评估服务器ES、辅助服务器CS、医疗服务提供商MP、患者；假设所述系统内患者P_x根据症状想获取某项疾病的诊断。医疗服务提供商拥有医疗病历训练出的决策树模型，可信中心对系统初始化并分配提供商密钥、患者密钥、评估密钥、辅助密钥。通过所述密钥，P_x将症状发给评估服务器，MP将决策树发给辅助服务器。由随机置换和混淆操作，服务器用K近邻方法确定特征的伪下标，得到决策路径生成诊断的部分信息。整个过程中P_x的症状和MP的决策模型不被泄露，服务器不知道诊断结果。本发明使用随机置换和单向函数有较高的安全性，同时决策速度快、底层处理轻量，具有实用性。

技术领域

本发明属于数据隐私保护技术领域，涉及一种医疗数据隐私保护的云辅助决策树模型诊断系统及方法，尤其涉及一种针对电子医疗中患者隐私保护与医疗模型敏感性的外包云辅助决策树模型诊断系统及方法。

背景技术

电子医疗系统意味着使用现代信息和通信技术来满足患者、医疗从业人员、医疗服务提供者以及相关决策者的需求。随着物联网设备的蓬勃发展，电子卫生保健提供商能够收集和整合大量电子卫生保健数据，这些数据可以训练出相关模型，从而为患者提供可靠的数据服务以获得更好的治疗，例如在线辅助诊断服务，能够随时根据物联网设备采集的个人身体属性等信息获取辅助性疾病诊断结果。

然而，随着治疗数据量和医疗条件复杂性的显著增加，提供商逐渐无法胜任存储和处理大量数据的工作并且难以及时应答大量患者的诊断请求。一种流行的解决方案是将电子医疗数据外包给通常被认为在存储容量和计算能力上都十分充足的云服务器。

尽管云计算可以带来大量直接或者潜在的好处，但是云计算也同样有其缺陷，其中数据安全性和隐私仍然是持续关注的领域。云服务器通常无法被完全信任，云环境通常充斥着大量的恶意行为。而患者个人的电子医疗数据非常敏感，例如姓名，年龄，性别，血压和时间等。一旦被恶意攻击者或者被导致大量的信任危机和隐私泄露。因此，无法直接地上传医疗数据到云服务器来进行疾病诊断评估。

一些基于同态加密算法来保护患者隐私信息不被泄漏，其中同态加密算法可以对加密后的密文实施某种操作从而完成对被加密的明文实施另一种操作。但是加密系统计算时间通常很高。

发明内容

为了解决上述技术问题，本发明提供了一种医疗数据隐私保护的云辅助的决策树模型诊断系统及方法。

本发明的系统所采用的技术方案是：一种医疗数据隐私保护的云辅助决策树模型诊断系统，包括可信中心TA、评估服务器ES、辅助服务器CS、医疗服务提供商MP和患者P_x；

所述可信中心TA，用于对系统进行初始化，即生成系统相关密钥参数并分配服务提供商密钥、患者密钥、评估密钥、辅助密钥用于医疗服务提供商、患者和服务器之间的交互；

所述评估服务器ES，用于评估症状在决策树下的决策信息；

所述辅助服务器CS，提供辅助信息与评估服务器进行交互完成诊断；

所述医疗服务提供商MP，拥有大量的历史医疗的病历进而训练出的决策树模型，包含决策特征p，决策路径q和决策分支b，用于确定症状特征所对应的症状路径进而给出决策诊断；

所述患者P_x根据自己的身体症状需要获取是否患有某项疾病的诊断，通过患者密钥将症状信息加密后发送给评估服务器ES，评估服务器将密文存储并等待辅助服务器发送决策树特征后完成特征匹配；医疗服务提供商MP将决策树信息发送给辅助服务器CS，辅助服务器在使用随机置换混淆操作和单向保序加密函数后，两台服务器利用K近邻方法确定特征匹配的伪下标，进而确定决策路径生成诊断结果的部分信息。

本发明的方案所采用的技术方案是：一种医疗数据隐私保护的云辅助决策树模型诊断方法，包括以下步骤：