[发明专利]一种基于隐私保护的心电图识别的方法

权利要求书

1.一种基于隐私保护的心电图识别的方法，其特征在于，包括如下步骤：

首先在客户端将ECG数据进行打乱，打乱的方法是将从用户测量得到的心电图信号中提取出来的含有n个元素的特征向量A乘上一个n×n的随机矩阵matrix，见等式2：

这里matrix(记为M)中的元素值是n*n个相互独立的随机数；

然后，将转换得到的向量A’而不是原始的A作为用户的特征向量上传到服务器数据库中，用于身份识别阶段对该用户的识别；

服务器使用欧几里得距离、互相关方法通过衡量用户Alice的特征向量A与用户Bob的特征向量B的相似性进行判断，其中，欧几里得距离简称ED，互相关简称CC；

如果定义p＝{p₁,p₂...p_n}，q＝{q₁,q₂...q_n}，那么p，q之间的欧几里得距离就是等式3所示；

求得A，B之间的ED值，由于ED值越小代表着两者间越相像，确定阈值t_ED，当A，B之间的ED值小于t_ED时，身份匹配；否则身份识别失败；

互相关方法是一种比较稳定的分析方法，它可以用来分析两组ECG数据之间的相关性；两组ECG数值X(i)和X'(i)之间的互相关性计算参见等式4；如果是同一个人的两组ECG数据，那么X(i)和X'(i)会非常接近，那么CC的计算结果就会非常接近1，因此两组心电图数据之间的CC值越接近1，它们的相似性越大；

求得A，B之间的CC值，CC值越接近1代表两者之间的相关性越大，越相像，所以确定一个阈值区域[t_CC1,t_CC2],当求得的A，B间的CC值在此阈值空间内时，身份匹配；否则身份识别失败；

在训练阶段，让每一个用户引入m个随机矩阵来分别对原有ECG数据进行打乱操作，这样将得到m组ECG特征向量，记作A1，A2……Am，将所有这些 ECG特征向量存储在服务器端的数据库上；在身份识别阶段，用户同样使用与其对应的m个随机矩阵来对原有的ECG数据分别进行打乱操作，这样会在客户端得到m组ECG特征向量，记作B1，B2……Bm；将客户端测得的m组ECG特征向量上传到服务器端，就可以求出m组ED和CC值，根据上文提到的欧几里得距离以及互相关方法分别设置的阈值t_ED和阈值区间[t_CC1,t_CC2]；对于采用ED方法时，当m组ED值中有k_ED组小于t_ED时，就可以确定身份匹配，否则不匹配；对于使用CC方法，当m组CC值中有k_CC组在区间[t_CC1,t_CC2]时，就可以确定身份匹配，否则不匹配。