高效且安全的云辅助在线诊断服务的决议树分类

Efficient and Secure Decision Tree Classification for Cloud-Assisted Online Diagnosis Services

今天要讲的是高效且安全的云辅助在线诊断服务的决议树分类，这篇文章发表于2021 年第 18 卷第 4 期的《IEEE》

起首来看研究背景：

• 决议树分类在在线诊断服务中广泛应用，但传统的练习决议树分类器及应用其举行分类任务使在线诊断服务计算麋集。将计算麋集型任务外包给云服务器的云辅助在线诊断服务可缓解医疗机构的计算负载和存储能力，但存在隐私和知识产权保护题目。
  
     
  
  • 隐私是用户隐私，不想让云服务器知道用户输入的生理特征和输出给用户的诊断效果   
    
  • 知识产权保护是医疗机构的练习模型，不能让云服务器知道  
    
  
  

传统云辅助在线诊断服务的一个典型工作流程：

• 流程涉及三个实体：医疗机构（Medical Institution，MI）、云服务器（Cloud Server，CS）和用户（User，U）。
  
  
• 具体工作流程如下：医疗机构将将电子健康记载（EHRs）发送给云服务器使用决议树分类算法从 EHRs 中练习出疾病诊断模型，决议树分类器，用户提供在线诊断服务。接收用户的生理特征后，它通过使用决议树分类器为用户返回相应的诊断猜测。
  

于是作者提出一种办理方案：

• 高效安全的决议树分类（SDTC）方案。该方案基于可搜索对称加密，将决议树分类器转换为决议表并加密，然后外包给云服务器，用户可提交加密的生理特征并获得加密的诊断猜测。
  
  
  
  

而作者举行改进的方案工作流程为：

• 医疗机构（MI）：与传统工作流程（图 1）差异，医疗机构不再将敏感的电子健康记载（EHRs）外包给云服务器，而是将通过决议树分类算法从 EHRs 练习得到的预练习诊断模型外包给云服务器。具体步骤为：起首使用决议树分类算法练习疾病诊断模型（决议树分类器）；然后加密预练习的决议树分类器，并将加密后的决议树分类器外包给云服务器；末了与用户共享一些安全参数。
  
• 云服务器（CS）：云服务器由第三方在线服务提供商托管。接收加密的决议树分类器后，为用户提供在线诊断服务。具体来说，接收用户的加密生理特征后，使用加密的决议树分类器为用户返回相应的加密诊断猜测。
  
• 用户（U）：接收医疗机构的安全参数后，加密本身的生理特征并上传到云服务器。之后接收云服务器返回的加密猜测，并举行解密得到诊断猜测。 该系统模型展示了安全云辅助在线诊断服务中各实体之间的数据交互和服务提供过程，夸大了通过加密和安全参数共享来保护数据隐私和诊断模型的秘密性。
  

为了更好地评估 SDTC 方案的安全属性，我们将 CS 的能力分为三个级别：

• Level 1：CS 只能观察到 MI 的加密决议树分类器和 U 的加密生理特征或诊断猜测。
  
• Lev
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。