基于区块链的远程医疗跨域认证系统

来源 :南京邮电大学 | 被引量 : 0次 | 上传用户:fuqinfeng
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
物联网的应用和普及为远程医疗提供了基础,医生可以通过血氧仪等采集类设备实时获取异地病人的健康数据,并通过精密摄像头、智能音频设备为异地病人进行实时问诊,甚至可以通过精密的远程智能手术台为病人进行远程手术。远程医疗的出现,使得世界上先进的医疗资源得以更好地共享,远程看病、远程给药、远程手术等操作正在不断地帮助异地不便的病人解决医疗需求。实际场景中,远程医疗应用往往需要医院域、病人域、药房域等医疗信任域相互协作完成,因此,医疗设备的身份认证是远程医疗的基础和前提。然而,近年来远程医疗的跨域协作中,医疗数据被暴露、医疗设备被攻击等问题频频出现,对病人的隐私信息甚至生命安全带来潜在威胁。本文结合区块链技术,利用区块链的分布式存储、不可篡改等特性,改进了现有的远程医疗跨域认证方法,完成的具体工作包括:首先给出了远程医疗信任域的定义,并提出了一种基于区块链的远程医疗跨域认证模型,该模型由各医疗信任域及远程医疗联盟区块链两部分组成,各医疗信任域中都设立有区块链CA服务器和跨域认证代理服务器,在实现医疗设备跨域认证功能的同时,有效提高了系统的通信效率。其次,在该模型的基础上,设计了一种适用于远程医疗场景的医疗域跨域身份证书,该证书结合区块链多方共同维护分布式账本以及链上数据不可篡改的特点改进了传统的PKI身份证书,可有效提高身份验证的时间与空间效率。更进一步,结合该证书提出了一种基于区块链的远程医疗跨域认证协议,该协议可以通过区块链CA服务器与跨域认证代理服务器共同完成不同医疗信任域之间的跨域身份认证。最后,就基于区块链的远程医疗跨域认证模型进行了系统实现,系统使用开源区块链平台Hyperledger Fabric作为模型中区块链部分的具体实现。在系统设计中给出了系统架构图及系统的功能模块划分图,并对区块链子系统和WEB子系统做了详细的设计,其中包括区块链网络设计、链上存储结构设计和链码设计。基于上述核心的设计部分进行了具体实现,其中包括基于Fabric-Java-SDK的智能合约的实现以及系统具体业务功能的实现。
其他文献
聚类(Clustering)是一种用于探索数据结构的数据分析技术,它能够根据数据特征进行分类,将具有相同或相似性质的数据划入同一个子组(簇),不在同一簇中的数据通常其性质是不同的。聚类分析是基于特征的基础上找到样本的子组,或是在基于样本的情况下找到特征的子组。在聚类分析中引入差分隐私技术是当前研究领域绕不开的热点。差分隐私是一种数据失真技术,能够抵御任何背景知识下的攻击,且不受数据集大小的限制。在
目前大数据和人工智能与我们的日常生活的联系日益密切,商标必须经过有关部门审批通过才能得到法律的保护,随着经济的发展,商标注册数量剧增,在申请和审批时,为了避免申请的商标和已有商标相似,需对已有商标进行检索,但传统手工检索商标速度慢,存在漏检等弊端,所以本文对商标自动检索系统进行了研究。本文设计了一个自动商标检索系统,该系统由图像预处理模块、BOF模型制作模块和分类器模块构成。商标检索涉及的商标原始
随着移动智能设备技术的推广,人们对于位置服务(Location Based Services,LBS)的需求变得越来越普遍,与此同时,人们对位置服务的准确性有了更高的要求。虽然传统的定位系统可以很好的应用于空旷、遮挡情况不严重的室外环境,但在遮挡严重且定位精度需求更高的室内环境中表现不佳。由于室内工作与生活的需要,在不久的将来,室内位置服务需求必然会是一个巨大的流量入口。在室内环境中,GPS信号难
在当今社会,网络已经成为人们获取信息的主要来源。海量的数据信息使得人们很难能够快速获取满足自己需求的信息,而推荐系统能够帮助人们实现这一目标。协同过滤推荐算法是推荐算法中被应用最成熟、最广泛的算法,但其数据稀疏性问题往往制约着推荐质量。本文针对数据稀疏环境下的协同过滤推荐算法进行研究,从不同的角度提出了相应的改进算法,用来提高推荐的精确度。本文首先从用户之间相似度计算的准确性角度进行研究,提出了一
现有的代码检索研究以神经网络模型与社区问答数据相结合、对用户查询和代码片段联合建模为主,但是针对神经网络模型与代码仓库中的Pull Request(PR)信息结合进行研究的工作较少。代码特征抽取技术通常将神经网络模型与社区问答数据和开源代码数据预处理相结合,对用户查询和代码片段联合建模,但是模型高度依赖于精标注数据集,使用大规模粗标注数据集训练得到效果一般。基于上述问题,本文提出了一种基于扩展查询
共享可以提高数据的价值,但是在共享过程中,存在集中部署、恶意窃取以及篡改等安全隐患问题,极大影响到数据的安全。在面向群组的数据共享场景中,为了保护共享数据的机密性,组成员之间需共享一个群组密钥,群组内的所有通信内容均需使用此群组密钥加密。因此,密钥安全是数据安全共享的前提。密钥的安全面临着三个问题,第一,分布式密钥管理方案因其消除了中心化的威胁而被广泛使用,而分布式的管理对密钥的一致性和验证性提出
智慧医疗在人们生活中占据的地位越来越重要,随着网络发展,医疗场景下不同信任域之间交互越来越频繁,在交互过程中涉及到的跨域身份管理和认证问题对智慧医疗场景下数据安全的发展有着重大意义。目前比较多应用的认证框架主要有基于身份信息证书的私人公钥基础设施(PKI)和基于个人身份信息的密码管理体制(IBC),以上两种类型的框架结构已经日益完备,但仍然还存在一些缺陷,且大部分医疗机构中的证书身份等信息都是集中
视觉同步定位与地图构建(SLAM,Simultaneous Localization and Mapping)是智能机器人研究领域中的关键技术。传统视觉SLAM方案大都基于特征点法或直接法,这两种方法有着各自的优势和不足。本文旨在结合特征点法和直接法的优势,提出了一种基于半直接法的单目视觉SLAM方法,其主要的工作内容如下:1)首先,本文在ORB-SLAM框架基础上,结合了特征点法和直接法的优势。
单目标跟踪指在给定某视频序列初始帧中的目标大小与位置的情况下,预测后续帧中该目标的大小与位置。虽然深度学习技术近年来在单目标跟踪领域发展迅速,但是由于现实场景中存在诸多挑战因素,目前仍然没有一个可针对单个行人进行准确跟踪的跟踪模型。本论文主要解决基于多尺度特征融合的单人目标跟踪问题,特别是提升视频中单个行人检测和跟踪性能。本论文在深度学习的基础上以设计准确的单人目标跟踪模型为目标。首先通过结合语义
随着互联网、大数据、云计算技术的发展,教育信息化程度不断加深,数字教育资源日益庞大,数字教育产业已经具备了良好的基础[1]。众筹众创模式作为现今互联网经济中新兴的模式,具有灵活、低门槛、传播快的特点,有利于新技术的发展与推广。然而教育资源来源广泛、数量巨大、结构不一、内容分散且冗余,导致学习者难以快速获取有效资源。为了加强数字教育资源整合力度,提高信息资源的融合水平,构建高质量的数字教育资源库,本