吉林大学学报(信息科学版) ›› 2023, Vol. 41 ›› Issue (2): 346-351.
王 丹, 李婉玲
WANG Dan, LI Wanling
摘要: 为增强病人隐私信息安全系数, 降低数据泄露风险, 在考虑隐私重要程度前提下, 提出一种基于混沌细 胞神经网络和小波变换的海量医疗信息分级加密算法。 利用分词匹配度和权值匹配度计算医疗信息词语重复 率, 剔除海量信息中相似数据, 降低后续信息加密工作量。 使用医疗重要性、 访问次数、 数据大小等分级评估 数据隐私重要度, 通过数据属性区分医疗文字信息与图像信息。 运用细胞神经网络的混沌特征, 将原始医疗 信息转换为参数矩阵。 运用 Logistic 映射得到密钥混沌序列, 输出一次加密后的医疗文字信息, 使用小波变换 时域分析图像信号达到二次加密, 融合二次加密结果完成医疗信息分级加密。 实验结果证明, 所提算法具有 加密效果好、 执行速率快、 安全系数高等优势, 是面向医疗信息安全储存的适宜方案。
中图分类号: