[發明專利]一種物聯網健康大數據態勢感知方法

在審

• 申請號: 202011201905.7
• 申請日: 2020-11-02
• 公開（公告）號: CN112270362A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 李玉瓊;劉瑞景;薛瑞亭;羅遠哲;劉志明;任光遠;趙愛民;呂雪萍
• 申請（專利權）人: 山東萬里紅信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q10/06;G06Q50/22;G16Y40/50;H04L29/08;G16H50/70
• 代理公司: 濟南文衡創服知識產權代理事務所(普通合伙) 37323
• 代理人: 劉真

本發明公開了一種物聯網健康大數據態勢感知方法，包括以下步驟，首先確定物聯網健康醫療大數據的安全數據格式要求，接著對已經進行預處理的不同的物聯網健康醫療大數據進行特征提取、分類和分級，接著用矢量表示對物聯網健康大數據集，接著構建物聯網健康大數據集進行評價函數，接著采用神經網絡對物聯網健康大數據進行機器學習，然后針對m個訓練集，通過AdaBoost集成學習方法對神經網絡的連接點權重值進行優化并對m個訓練集進行訓練，然后根據要部署的數據網絡的邏輯層級確定節點數和隱含神經元的數目獲得態勢模型。本數據模型更加精確，促進了物聯網醫療健康大數據態勢預測、風險排查、治理。

技術領域

本發明涉及物聯網健康大數據安全領域，具體地，涉及一種物聯網健康大數據態勢感知方法。

背景技術

近來年，大數據在健康領域的不斷應用和發展，已為廣大群眾提供了優質、便捷的服務，也為健康領域的科技發展帶來動力。目前健康醫療大數據平臺匯集了醫療服務、疾病防治、婦幼健康、人口家庭、電子健康檔案、家醫簽約服務、行業監管等方面的數據資源，主要包括門診住院信息，住院病案信息，人口個案信息，電子健康檔案，電子健康卡注冊使用信息，數據量都達到了萬億條以上，健康醫療大數據資源體系已初具規模。

目前的醫療健康大數據安全方面采用加密、數據庫審計、防篡改等技術，網絡安全方面通過等級保護實現基本安全，但是隱私數據安全還是沒有一個妥善的機制。

采用神經網絡特征提取并學習的分類算法同時引入AdaBoost集成學習方法神經網絡特征提取到的物聯網健康大數據態勢點集進行迭代優化，生成物聯網健康大數據網絡態勢模型，并通過安全風險分級管理機制和風險排查治理機制相結合的模式對物聯網醫療健康大數據網絡安全領域可實現高精準的等級保護，隱私數據安全也能及早預測和及時治理。

發明內容

為了解決如何對物聯網健康大數據多種數據樣本進行安全風險管理、風險態勢預測、排查、治理的問題，本發明提供一種物聯網健康大數據態勢感知方法。

根據本發明實施例的物聯網健康大數據態勢感知方法，包括如下步驟：

S1、確定物聯網健康醫療大數據的安全數據格式要求，采用數據采集模塊收集物聯網健康醫療大數據，采用統一格式對通信通道中被篡改以及丟失的數據等異常數據進行數據采集和預處理后統一編碼；

S2、對已經進行預處理的不同的物聯網健康醫療大數據進行特征提取、分類和分級；

S3、用矢量表示對物聯網健康大數據集，V(d)＝{d₁，w₁(d)，d₂，w₂(d)，...，d_n，w_n(d)}，其中，d_n為物聯網健康大數據集D中的一條數據，w_n(d)為d_n在D中的權值，權值累計為1；

S4、構建物聯網健康大數據集進行評價函數：有n個評價對象，m個數據指標，評價對象因素指標集U＝{u₁,u₂,…,u_n}；評價集V＝{v₁,v₂,…,v_m}，評價分數是：

S5、采用神經網絡對物聯網健康大數據進行機器學習，假設m個初始學習的特征樣本集為：s＝{(x₁,y₁),(x₂,x₂),…(x_m,y_m)}，其中x_m為特征樣本，y_m表示不同的風險問題分類，各個樣本初始權重d₁,d₂,…d_m均設置為；算法的最大迭代次數為T，初始迭代次數為1；