[发明专利]一种基于隐私保护的心电图识别的方法

摘要

本发明公开了一种基于隐私保护的心电图识别的方法，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；然后，将转换得到的向量B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。本发明的方法可以很好的在训练阶段和身份识别过程中保护用户的心电图隐私。

主权项

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...pn}，q＝{q1,q2...qn}，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。