[發(fā)明專利]基于直覺(jué)模糊信任的電子病歷訪問(wèn)控制方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202210707252.2
• 申請(qǐng)日: 2022-06-21
• 公開(kāi)（公告）號(hào): CN114936384B
• 公開(kāi)（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 姜茸;劉蕊
• 申請(qǐng)（專利權(quán)）人: 云南財(cái)經(jīng)大學(xué)
• 主分類號(hào): G06F21/62
• 分類號(hào): G06F21/62;G06F18/23;G06F40/289;G06F16/35;G16H10/60
• 代理公司: 昆明順新圖盛專利代理事務(wù)所(特殊普通合伙) 53213
• 代理人: 廖萍

本發(fā)明針對(duì)電子病歷信息隱私泄露問(wèn)題，提出一種基于直覺(jué)模糊信任的電子病歷訪問(wèn)控制方法。該方法根據(jù)LDA主題模型和JS散度計(jì)算就診患者電子病歷和其他患者電子病歷之間的相關(guān)度；引入直覺(jué)模糊、時(shí)間窗、時(shí)間衰減因子等理論計(jì)算醫(yī)生的直覺(jué)模糊信任值，制定相應(yīng)訪問(wèn)控制策略來(lái)約束醫(yī)生的訪問(wèn)行為，同時(shí)加入獎(jiǎng)懲機(jī)制實(shí)現(xiàn)了動(dòng)態(tài)訪問(wèn)控制。模型中對(duì)醫(yī)生直覺(jué)模糊信任值的計(jì)算更加符合實(shí)際需要，最后實(shí)驗(yàn)證明，本發(fā)明所提出的訪問(wèn)控制方法能夠?qū)︶t(yī)生的訪問(wèn)行為進(jìn)行控制。而且主要是針對(duì)專科醫(yī)生訪問(wèn)行為的控制。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)療數(shù)據(jù)訪問(wèn)控制方法，具體為基于直覺(jué)模糊信任的電子病歷訪問(wèn)控制方法。

背景技術(shù)

當(dāng)前，對(duì)醫(yī)療大數(shù)據(jù)的保護(hù)措施主要集中在加密、匿名化等技術(shù)，無(wú)法有效地解決內(nèi)部醫(yī)療數(shù)據(jù)泄露問(wèn)題，內(nèi)部泄露問(wèn)題主要是因?yàn)閮?nèi)部醫(yī)護(hù)人員權(quán)限分配不合理所導(dǎo)致的，而訪問(wèn)控制是解決此類問(wèn)題最為有效的方法。

當(dāng)前存在各種新型訪問(wèn)控制模型、訪問(wèn)控制技術(shù)作為防御內(nèi)部惡意威脅和攻擊的最有效方法之一，很多學(xué)者對(duì)其進(jìn)行了相關(guān)研究。但將訪問(wèn)控制技術(shù)應(yīng)用到醫(yī)療場(chǎng)景中的研究還是較少的，且訪問(wèn)控制策略和授權(quán)方式都不夠完善，效果沒(méi)有達(dá)到理想狀態(tài)，針對(duì)電子病歷系統(tǒng)的訪問(wèn)控制更是十分匱乏。為解決內(nèi)部泄露問(wèn)題，需要貼合實(shí)際醫(yī)療場(chǎng)景，考慮醫(yī)生訪問(wèn)資源的實(shí)際狀況，探究自適應(yīng)的訪問(wèn)控制模型，從而有效地控制醫(yī)生的訪問(wèn)行為。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于直覺(jué)模糊信任的電子病歷訪問(wèn)控制方法，通過(guò)判斷醫(yī)生的可信任度，制定相應(yīng)的訪問(wèn)策略，以解決上述背景技術(shù)中提出的從醫(yī)院內(nèi)部解決患者隱私泄露的問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案包括以下3個(gè)步驟：

A、相關(guān)度計(jì)算：通過(guò)隱含狄利克雷分布LDA主題模型提取出就診患者和其他患者電子病歷文檔的主題概率分布，并利用JS散度計(jì)算兩個(gè)電子病歷的相關(guān)度，根據(jù)相關(guān)度來(lái)描述醫(yī)生的訪問(wèn)行為；其中，就診患者電子病歷是指醫(yī)生訪問(wèn)的當(dāng)前就診患者的電子病歷文檔，其他患者電子病歷是指醫(yī)生訪問(wèn)的患有相關(guān)疾病患者的電子病歷文檔；

B、信任量化：通過(guò)直覺(jué)模糊理論，從醫(yī)生可信度、不可信度和不確定度三個(gè)方面量化醫(yī)生的直覺(jué)模糊信任值，并引入時(shí)間窗和時(shí)間衰減，根據(jù)醫(yī)生的歷史訪問(wèn)記錄將有效時(shí)間內(nèi)的直覺(jué)模糊信任值進(jìn)行聚合，得到總的直覺(jué)模糊信任值；

C、訪問(wèn)控制：將所有醫(yī)生進(jìn)行直覺(jué)模糊聚類，得到四個(gè)自適應(yīng)的信任區(qū)間，制定相應(yīng)訪問(wèn)控制策略，授予訪問(wèn)權(quán)限；同時(shí)，加入獎(jiǎng)懲機(jī)制，動(dòng)態(tài)更新醫(yī)生的直覺(jué)模糊信任值。

進(jìn)一步的，步驟A所述相關(guān)度計(jì)算采用LDA主題模型來(lái)判斷，LDA主題模型是一個(gè)三層貝葉斯概率模型，有關(guān)鍵詞、隱含主題和文檔三層結(jié)構(gòu)，在LDA模型中，一篇電子病歷文檔Doc-m的生成步驟如下：

A1-1、在電子病歷文檔與隱含主題的Dirichlet先驗(yàn)概率分布中取樣生成電子病歷文檔?Doc-m對(duì)應(yīng)的主題分布P(Topic|Doc-m)；

A1-2、從主題分布P(Topic|Doc-m)中取樣生成電子病歷文檔Doc-m第w個(gè)詞的主題Topic-h；

A1-3、在隱含主題與關(guān)鍵詞的Dirichlet先驗(yàn)概率分布中取樣生成主題Topic-h對(duì)應(yīng)的關(guān)鍵詞分布P(Word|Topic-h)；

A1-4、從關(guān)鍵詞分布P(Word|Topic-h)中取樣生成關(guān)鍵詞Word-w；

A1-5、重復(fù)上述步驟，直到生成電子病歷文檔Doc-m需要的所有關(guān)鍵詞；

進(jìn)一步的，所述主題分布P(Topic|Doc-m)和關(guān)鍵詞分布P(Word|Topic-h)是通過(guò)馬爾科夫鏈蒙特卡羅方法MCMC中的Gibbs抽樣算法計(jì)算的，Gibbs抽樣算法可以看作是文檔生成過(guò)程的逆過(guò)程，通過(guò)對(duì)已存在的電子病歷文檔中所有關(guān)鍵詞的主題進(jìn)行采樣來(lái)估計(jì)概率，主要步驟如下：