[发明专利]一种物联网医疗系统中增强数据隐私性的数据聚类方法有效
申请号: | 202010841749.4 | 申请日: | 2020-08-20 |
公开(公告)号: | CN111951918B | 公开(公告)日: | 2022-09-06 |
发明(设计)人: | 林晖;刘文新;汪晓丁;妙秦阳 | 申请(专利权)人: | 福建师范大学 |
主分类号: | G16H10/60 | 分类号: | G16H10/60;G16H50/70;G06F21/62;G16Y20/40;G16Y40/50;G06K9/62 |
代理公司: | 福州君诚知识产权代理有限公司 35211 | 代理人: | 戴雨君 |
地址: | 350108 福建省福州*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 联网 医疗 系统 增强 数据 隐私 方法 | ||
本发明公开一种物联网医疗系统中增强数据隐私性的数据聚类方法,包括步骤:S1、用户初始化处理自己的健康数据,数据分析端接收所有用户提交的处理后的数据。S2、数据分析端通过计算来自不同用户的健康数据与初始化的聚类中心的欧式距离并进行比较,将每个用户分配到他们最近的聚类。S3、数据分析端通过第三方云平台计算并统计同一聚类中用户的的私有数据,以确定新的聚类中心。本发明在物联网医疗系统中,综合引入第三方云平台、同态加密,实现了保护用户数据隐私的聚类。
技术领域
本发明涉及物联网医疗数据聚类领域,尤其涉及一种物联网医疗系统中增强数据隐私性的数据聚类方法。
背景技术
随着信息技术的迅速发展,物联网(IoT)作为代表技术,通过特定的传感器将任何对象连接到网络,然后通过信息交换实现智能识别,智能定位和智能监控。物联网的进步推动了智能应用的多样化,例如智能城市,现代医疗系统和智能电网。特别是对于医疗保健系统,越来越多的使用IoT来设计医疗保健系统的代理机构,因为IoT技术可以有效地集成基础架构资源并向医疗保健系统的用户提供信息。此外,医疗保健系统的管理者可以通过无线传感器网络(WSN)获得大量的实时数据,以提供实时服务。
近年来,k-means聚类算法的研究十分火热,k-means算法的隐私保护被认为是最重要的问题之一。良好的隐私保护机制也被应用到k-means聚类算法中。这种模式可以直接降低使用k-means算法时泄露私人信息的风险,并出现了一些相关的研究成果,Vaidya等开始了对k均值聚类算法中隐私保护的研究。对应的的工作是垂直分组数据,同时降低通信成本并确保实现合理的数据隐私保护,保留了Jha等在计算集群中心的步骤中,考虑了隐私保护而提出的了两种隐私保护方案:一种基于遗忘多项式评估,另一种基于同态加密。但是,对应的的方案没有考虑k-means算法中其他关键步骤的隐私信息泄漏。Bunn等中提出了一种两方k均值聚类协议,该协议无需使用中间值即可计算聚类结果。该协议避免了聚类过程中中间值的泄漏。Blum等首次将差分隐私机制引入隐私保护算法,该算法通过向集群中心添加噪声来降低隐私泄露的风险。但是,初始中心点选择的随机性直接影响k-均值聚类的结果。因此,Yang等人提出了一种改进的差分隐私(IDP)k-means算法。改善初始聚类中心的随机选择。同样,熊等提出了一种算法PADC,该算法通过在聚类过程中检测离群值来减少由初始中心随机选择引起的离群值影响。除了基于同态加密和差分隐私的隐私保护k-means聚类算法之外,还讨论了一种在基于区块链的新型数据隐私保护方案,该方案利用了区块链基础架构来消除单点故障。邢等提出了一种相互隐私保护方案,以防止泄露私人信息并有效地抵制共谋攻击。
以上所有工作都有不适用于时效系统。因此,越来越多的学者开始关注时间复杂度低的隐私保护聚类策略。Yu等在中提出了多方k均值聚类方案的隐私保护,这是将并行计算的概念首次应用到聚类过程中,并且其方案中的时间复杂性比以前的工作要好。苗等提出了一种通过双云平台实现来降低通信成本的基于事实发现的轻量级隐私保护框架L-PPTD和L2-PPTD。
现有的隐私保护k-means聚类方案不能在保护聚类中心的隐私的同时保护用户的隐私。而且,大多数方法不能抵抗共谋攻击或具有高时间复杂性。
因此,结合云计算和同态加密的特点,设计出在物联网医疗系统中能够以较低时间复杂性抵御抗共谋攻击且具有保护隐私特点的聚类方案是一个关键问题和挑战,成为本技术领域人员亟待解决的技术课题。
发明内容
本发明的目的在于提供一种物联网医疗系统中增强数据隐私性的数据聚类方法,能够有效保护用户和聚类中心的隐私性,且具有较低的时间复杂度。
本发明采用的技术方案是:
一种物联网医疗系统中增强数据隐私性的数据聚类方法,其包括步骤:
S1、数据分析端接收所有用户的敏感健康数据;
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福建师范大学,未经福建师范大学许可,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/202010841749.4/2.html,转载请声明来源钻瓜专利网。