基于混沌加密的移动诊疗平台研究与实现

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:zwj54255
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
传统的医疗行业中,医生与患者的交互方式单一。且由于患者诊疗记录可能出自不同医院,医生很难及时全面的获取到患者的既往病史和各类检查记录,有可能导致医生对患者病情的判断不准确,或无法精确把握患者病情的进展程度。而移动APP为患者提供了随时随地上传诊疗信息或与医生交流的方法。但目前的移动APP面临着跨平台开发成本高、隐私信息明文传输困难和传统加密方式不适合图片等问题。因此本文针对上述问题,结合实际需求,基于云病历项目,设计并实现了一个完整的基于Flutter与混沌加密的移动诊疗平台。本文的工作主要包含以下三个部分:第一,调研并选定Flutter作为开发架构,并针对Flutter及平台需求设计了系统架构。针对目前主流的跨平台开发方法存在的渲染性能低下、开发框架与系统底层交互困难、开发框架与原生系统的交互方式过于繁杂和不同系统底层接口存在差异等问题,本文经过调研选择了Flutter作为平台开发框架。本文在对Flutter的架构设计、基础组件、数据类型、本地存储和网络通讯等机制进行了详细调研后,考虑到Flutter独特的设计,为避免传统MVC架构带来的弊端,使用MVP架构,设计了基于Flutter的客户端架构。然后结合项目对平台的功能性和非功能性需求以及项目的特点,对平台的前后端架构、数据库和各个功能模块进行设计。第二,考虑到移动医疗平台对加密的安全性以及性能需求,设计了新的图像加密算法。本文对国内外加密算法的研究现状进行了调研,对目前主流的图像加密方法的优劣势进行了研究,发现传统加密方法面对高分辨率图像时均存在加密效率较低或加密强度不够等缺点。考虑到平台客户端需要运行于移动设备,使用的加密算法需要兼顾加密速度和安全性,本文选择使用基于混沌理论的加密方法。该方法具有经典的置乱-扩散过程,并利用混沌系统生成开销低、随机性高和初值敏感等特点,使用混沌系统对加密方法进行驱动。为解决低维混沌序列存在的参数较少、相空间轨迹简单和存在被预测风险,以及高维混沌系统生成时运算成本过高等问题,本文将Logistic序列与ICMIC混沌序列进行调制,并与2D-LISM混沌系统进行复合,生成了一个新的复合混沌系统对置换过程进行驱动。同时本文利用Lorenz混沌系统具有三维序列的特性,使用Lorenz序列对图像RGB像素通道进行混淆,完成加密方法中扩散的过程。第三,对平台和加密方法进行实现和整合,对平台各个模块的进行测试,同时还对加密方法的性能进行了测试。最后对全文的工作进行了总结,分析了平台的不足之处以及未来可能的改进方向。
其他文献
在大数据时代背景下,人们时时刻刻都在产生数据信息。而这些信息在各行各业中都有着很大的经济价值,比如银行、通讯、金融行业等等,同时还衍生出了百度智能云、广告推荐等服务平台,给人类的生活带来了非常大的便利。另外在近几年,大数据还被应用到了机器学习领域。在机器学习领域中,模型训练数据集的使用往往存在着许多隐私泄露问题。随着科技的发展,人类对机器学习模型的性能的要求也越来越高,所需的训练数据量越来越大,因
学位
伴随着计算机技术的快速发展,计算机运行监控系统也在越来越多的企业中得到实际应用,运行监控系统通常由监控中心软件和若干部署在外站的数据采集设备两部分组成。近些年来,航天等领域的运行监控系统在实际应用中暴露出了诸多问题。其中由于系统中的数据采集设备往往会被安放在一些网络基础受限的地方,经常面临网络带宽较小、网络时断时续等情况,导致采集到的大量监控数据不能及时传输到监控中心进行处理。此外,随着系统中数据
学位
随着测序技术的不断进步和发展,针对不同物种及组织的蛋白质组测序已经为国内外研究者提供了多样化的蛋白质序列数据库。可用蛋白质序列数量的不断增加,也让对于蛋白质生物学以及蛋白质相关下游任务的研究向数据驱动转变,机器学习和深度学习方法在蛋白质组学相关任务中被广泛应用。如何从蛋白质序列中挖掘得到蕴含结构和功能语义信息的蛋白质向量表征,已经是国内外研究者关注的热点。另外,海量的蛋白质序列数据背景下也出现了另
学位
随着科技水平的迅速发展,越来越多的设备产品被生产使用,用户面临的故障问题也日益增多。由于故障处理过程中会产生大量工单案例,因此研究基于历史故障库的案例推荐可以为用户提供高效、准确的故障处理途径,在故障诊断领域具有重大研究价值。针对工单案例中存在的信息冗余、内容杂乱等现象,现有的研究大多基于文本的基础特征进行匹配,例如词共现和词频等统计信息,缺乏语义层面的理解,导致案例推荐存在准确率不高、根因分析不
学位
知识图谱是知识组织的一种有效方式,各专业领域通过构建垂直领域知识图谱进行知识管理。随着知识规模日益增长,多源异构知识成为知识图谱的主要数据来源。多源异构知识需要保证知识的准确性和正确性,共指消解技术和实体对齐技术可以有效进行实体消歧,以实现构建知识图谱的目标。目前,共指消解技术和实体对齐技术虽然取得不少研究成果,但还有不少难点尚未解决。例如,多数端到端共指消解模型聚焦于文档结构信息而忽略文档中的句
学位
随着工业产品日渐多样化,基于深度学习的机器视觉技术逐渐开始代替人工进行质量检测。在实际工业生产中,大多产品结构复杂,单个深度学习模型已不能满足生产需求。产品的质量检测不仅会涉及到多个深度学习模型,而且不同产品线的模型执行顺序和执行条件各异,且存在新的未知产品形态,因此需要在检测前,对多个模型进行模型编排。传统编排采用的是工作人员手工编写编排脚本的方式,这种方式需要工作人员具备一定的技术基础,且不易
学位
药物研发普遍存在着投资数额大、投资风险高、研发周期长、研发成功率低的现象。在新药物的研制过程中,药物靶标相互作用预测起着至关重要的作用,能够有效地减少药物开发的时间和经济成本。目前,基于异构信息网络的药物靶标相互作用预测方法越来越受到人们的关注,越来越多的研究集中在药物潜在靶点的预测上,然而目前的方法在多层网络处理和网络特征提取合并上依然存在着问题。本文提出一种基于异构网络向量表示的药物靶标关系预
学位
膝关节分割是医学图像中的一个关键任务,对于有效控制临床治疗进展、减轻未来的残疾、早期诊断至关重要,制定后续个性化诊疗、干预计划,需要精准地将膝关节软骨分割出来。由于不同膝关节组织之间体积、形态差异较大,甚至不同病人之间由于疾病进度不一致,导致膝关节相同组织,其形态差异也很大,这对深度学习模型的鲁棒性提出了极高的要求。目前在医学图像分割中的分割模型,主流神经网络是FCN、U-Net、V-Net网络以
学位
随着国家将旅游定为国民经济主导产业以及全民休闲旅游时代的到来,主题乐园迎来了蓬勃的势头,进入了高速建设期,并呈现与房产、文化、酒店、餐饮、等多业态融合的趋势。主题乐园发展不仅要解决好创造IP经济及品牌符号打造问题,还要结合自身特性炼好营销创新,提升核心竞争力。在现如今互联网+的大格局下,新媒体已经成为了传播范围最广、传播速度最快、传播互动性最强的传播平台。此外,随着在线旅游交易市场规划的不断快速增
学位
由于不断更新迭代的应用程序具有爆炸性的需求并且摩尔定律逐步趋近尾声,业界需要寻找传统CPU的替代品以进行高性能计算。FPGA作为一种可编程的半导体器件,提供了比其他可编程平台更高的性能与灵活性,使其在5G通信、边缘计算等领域具有巨大的市场潜力。FPGA底层工艺技术的更新和新颖架构体系的提出使得FPGA的规模、集成度和器件密度等快速扩增,进而导致学术领域研究的芯片架构体系与商业领域使用的芯片架构体系
学位