[发明专利]一种基于区块链的支持向量机医疗数据隐私训练系统

说明书

本发明涉及一种基于区块链的支持向量机医疗数据隐私训练系统，属于多源数据的机器学习模型隐私训练技术领域；涉及医院、医疗服务公司和认证中心三个实体，包括身份认证模块、数据交易模块和安全训练模块；医院、医疗服务公司通过身份认证模块认证身份并获得唯一身份识别码；然后二者基于各自身份识别码通过数据交易模块进行区块链数据交易和数据购买交易，并在交易后医疗服务公司凭借数据购买交易从医院获得加密医疗数据包；最后医疗服务公司通过安全训练模块使用同态加密技术对加密医疗数据包采用安全支持向量机训练算法进行训练得到医疗预诊断系统。对比现有技术，本发明在充分保护病人隐私的前提下让病人选择信任的医疗服务公司提供诊断服务。

技术领域

本发明涉及一种针对医疗数据的基于区块链的支持向量机隐私训练系统，属于多源数据的机器学习模型隐私训练技术领域。

背景技术

随着人工智能和机器学习理论与技术的发展，利用现有的大量医疗数据，医疗服务公司可以构建智能医疗诊断系统。病人自助式地将病情输入医疗诊断系统，系统返回给医生和病人病情的预诊断结果。根据预诊断结果，病人可以采取最贴切的就医措施，另一方面，预诊断过程也减轻了医生的工作量。

一个准确的智能医疗诊断模型需要大量的训练数据。“数据为王”，谷歌的研究人员通过3亿张图片的分类研究，发现机器学习模型的性能会随着训练数据量呈线性增长(C.Sun,A.Shrivastava,S.Singh,and A.Gupta.Revisiting unreasonableeffectiveness of data in deep learning era.In 2017IEEE InternationalConference on Computer Vision(ICCV),pages 843–852,Oct 2017.)。然而，医疗数据包含病人的隐私信息，隐私信息的泄露会给病人的正常生活造成不便；某些稀有疾病的医疗数据分散在多家医院，不同医院之间的医疗数据难以共享。其次，医疗服务公司没有合适的途径来获得权威官方的医疗数据。病人无法得知构造医疗诊断系统的数据来源，也就不会信任该系统的诊断结果。

医疗诊断系统实际上是一个机器学习模型。在传统的针对医疗数据的机器学习隐私训练中，由于对数据隐私性和所有权的担忧，不同的医院间通常不愿意共享用于训练的医疗数据。另外，数据记录可能在共享过程中被潜在的攻击者篡改或未经授权地修改，从而导致生成的机器学习模型不准确。最后，提供数据的医院可能会失去对数据的控制，因为训练数据集一旦分享给第三方用于隐私训练，训练数据可能被其他人自由复制，重复利用。

因此，为了能够同时满足针对医疗数据的隐私训练需求，必须提供一种安全的可追踪的隐私训练系统。支持向量机是一种性能优秀的分类与回归分析算法，该算法被广泛用于医疗数据的分类和回归任务中，并取得了优秀的数据分析结果。所以，本文提供一种安全的可追踪的支持向量机隐私训练系统。

发明内容

本发明的目的在于提供一种针对医疗数据的基于区块链的支持向量机隐私训练系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供一种针对医疗数据的基于区块链的支持向量机隐私训练系统，包括身份认证模块、数据交易模块和安全训练模块。身份认证模块部署于认证中心，数据交易模块部署于医院和医疗服务公司，安全训练模块部署于医院和医疗服务公司。相关的实体说明如下：

·医院：数据提供方，拥有病人医疗数据的权威单位，向区块链中发布医疗数据集的描述信息。

·医疗服务公司：数据需求方，向医院索取医疗数据，并用获得的密文医疗数据集训练支持向量机模型。

·认证中心：借助区块链为医院和医疗服务公司做身份认证。

本系统中的三个模块描述如下：