【摘 要】
：
随着时代发展,从原始的纸质存储到现在的云服务器储存,病历系统不断地更新换代。为解决当前中心化存储方式带来的数据易泄露和信息共享难的问题,提出了一种基于区块链的电子病历共享方案,实现了在保证医疗数据安全、不侵犯患者隐私的前提下共享患者的电子病历。主要工作如下:1)使用联盟链与私有链相结合的系统模型。患者病历密文存储在医疗机构服务器的数据库上,医疗机构构建自己的私有链保存密文的储存位置和密文的哈希值,
论文部分内容阅读
随着时代发展,从原始的纸质存储到现在的云服务器储存,病历系统不断地更新换代。为解决当前中心化存储方式带来的数据易泄露和信息共享难的问题,提出了一种基于区块链的电子病历共享方案,实现了在保证医疗数据安全、不侵犯患者隐私的前提下共享患者的电子病历。主要工作如下:1)使用联盟链与私有链相结合的系统模型。患者病历密文存储在医疗机构服务器的数据库上,医疗机构构建自己的私有链保存密文的储存位置和密文的哈希值,医疗机构和保险公司共同构建联盟链储存医疗机构的标识和私有链块标识。2)研究交易链存储机制。借鉴区块链链式结构的优点,构造区块中的交易的链式结构,解决了现有链式存储结构数据溯源由于区块中的交易无序的特性造成的定位困难的问题,实现了在节点数据量巨大的情况下操作记录的快速追踪溯源,实现了区块链上高效追责。3)阐述电子病历系统存储模型和数据搜索模型,分析病历存储和获取的过程,分析当前电子病历系统存在的问题以及设计目标,从区块链设计和密码学安全两个方面分析相关技术,最后设计并实现了基于区块链的电子病历系统并对性能进行测试分析。
其他文献
科学研究和工程实践中广泛存在着具有多约束多变量的多目标优化问题。基于进化理论的多目标进化算法不需要问题的先验信息,具有良好的并行性和鲁棒性,在求解多目标优化问题上表现优异。子代解的产生是多目标进化算法的重要组成部分,显著影响算法的性能。因此,研究多目标进化算法子代解的产生方法具有重要意义。在多目标进化算法中,子代解通过父代选择和个体重组两个环节产生。改进多目标进化算法随机选择父代的方式,有助于避免
移动互联网发展至今,新闻资讯产生速度愈加快速。为帮助用户抵挡信息过载,互联网新闻提供商研发各种成熟的新闻推荐算法,推送用户感兴趣的资讯。然而几乎所有的算法都需要以牺牲用户隐私为代价去实现精准的消息推送。随着各国政府和民众对隐私保护的愈发重视,各项法规开始限制互联网服务提供商搜集、存储和交易用户的隐私信息。当前的新闻推荐系统的隐私保护方法主要有三类:匿名方法、随机数据扰动和加密方法。匿名方法主要使用
信用支付业务已经越来越重要的成为我国银行业和金融业的重要业务,随着社会现代化的发展,具有越来越多样的载体形式和产品形态,如何高效精准的进行银行用户信用违约预测成为了极其重要的问题。针对信用支付业务场景,本文基于机器学习方法设计了银行用户信用违约预测方法。研究了多维度用户违约特征构建方法来解决银行用户信用违约预测特征构建不充分问题;建立了基于分位点的归一化方法来解决银行信用违约数据分布不均衡问题;建
目前网络已经与工业生产紧密联合,在数据环境中利用无线网络通信可以极大降低信息资源交互成本。在数控环境中因为条件限制使用了一些脆弱标准化协议,使网络通信安全问题更加严重。数控环境对于通信实时性要求高,使用协议也是工控网络专用协议,传统的审计系统不能满足其安全审计的要求,因此需要一个高效通信审计系统来确保数控网络系统的安全。论文的研究重点在于实现一个效率快,准确性高同时易拓展的无线数控网络通信审计系统
研究基于情感的对话生成模型对于提升人机对话过程中的用户体验具有重要意义。目前,已有研究主要依赖在序列到序列的生成模型中注入情感向量的方式构建基础框架,并衍生出了多种不同情感注入方式的变种模型,例如在模型输入层、输出层引入情感嵌入以注入情感,或者直接引入外部情感词典以鼓励解码过程中更关注情感词等。上述研究解决的重点是给定某一类的情感,让模型根据用户输入语句去生成带有这种情感的回复,其本质上解决了对话
近几年来,随着互联网技术在各个行业迅速的普及和应用,互联网早已成为多媒体信息的新媒介,造成了信息爆炸式的产出。靠人工鉴别价值信息已经变得越来越难以实现,信息自动化抽取技术应运而生。信息自动化抽取技术是自动化的从文本、图片或者视频中抽取结构化信息的技术,而事件抽取一直以来都是信息抽取的重要研究方向。本课题主要目标是对短文本进行事件抽取,论文以财经新闻为应用场景。在词嵌入方法、特征提取、语句分割粒度等
信息抽取是自然语言处理领域的一个重要研究分支,而命名实体识别则是信息抽取技术中的关键核心问题,其作为机器翻译、句法分析等众多下游任务的基础工具,对自然语言处理技术走向实用化具有重要意义。近年来,随着深度学习技术的快速发展,基于深度学习的命名实体识别模型层出不穷,虽然命名实体识别性能不断被提升,但上述方法也存在诸多不足:（1）当前多数方法采用双向长短期记忆网络（Bi-LSTM）作为上下文编码器,但基
随着监控视频数据的指数增加和视频监控技术的迅速发展,如何有效的提取视频中的深层信息逐渐受关注,对视频信息的挖掘能够有效的降低违法犯罪行为数量并提高社会的治理水平,对构建智慧城市、保障城市安全、推动数字经济的发展都有较大的帮助。以计算机视觉为中心,通过对目标检测、多目标追踪、行人重识别等技术的研究实现了跨相机场景下在线的多目标追踪,并引入了行人检索库来对追踪过程中的特征进行动态管理,以提高整体追踪的
目前,已有搜索引擎借助大数据和人工智能等技术,能够根据人们的搜索需求在互联网海量数据中快速定位到所需信息,以满足人们日常信息检索需求。然而,搜索引擎返回结果通常是与查询相关的文档链接,无法根据查询问题直接返回答案,尤其是面对知识型问题时。为此,本文在已有知识图谱、自然语言处理和深度学习等技术的基础之上,研究开放领域知识图谱问答系统的构建方法,目的是使系统能够根据用户提出的百科类知识问题,直接返回简
行人检测分析给定图像中行人的数量和位置,广泛应用于智能安防、辅助驾驶等领域。早期对于行人检测的方法通常使用基于图像处理、模式识别等方法,检测精度受到手工设计特征的性能瓶颈的限制。深度卷积网络在图像处理领域的迅速发展,使得对行人检测的研究方向转为基于深度学习的方法。然而现有的行人检测方法往往拥有复杂的网络结构,速度难以达到实时的应用标准。针对上述问题,本文开展了如下工作:1)对行人检测任务进行现状分