【技术实现步骤摘要】
一种物联网医疗系统中增强数据隐私性的数据聚类方法
本专利技术涉及物联网医疗数据聚类领域，尤其涉及一种物联网医疗系统中增强数据隐私性的数据聚类方法。
技术介绍
随着信息技术的迅速发展，物联网(IoT)作为代表技术，通过特定的传感器将任何对象连接到网络，然后通过信息交换实现智能识别，智能定位和智能监控。物联网的进步推动了智能应用的多样化，例如智能城市，现代医疗系统和智能电网。特别是对于医疗保健系统，越来越多的使用IoT来设计医疗保健系统的代理机构，因为IoT技术可以有效地集成基础架构资源并向医疗保健系统的用户提供信息。此外，医疗保健系统的管理者可以通过无线传感器网络(WSN)获得大量的实时数据，以提供实时服务。近年来，k-means聚类算法的研究十分火热，k-means算法的隐私保护被认为是最重要的问题之一。良好的隐私保护机制也被应用到k-means聚类算法中。这种模式可以直接降低使用k-means算法时泄露私人信息的风险，并出现了一些相关的研究成果，Vaidya等开始了对k均值聚类算法中隐私保护的研究。对应的的工作是垂...
【技术保护点】
1.一种物联网医疗系统中增强数据隐私性的数据聚类方法，其特征在于：其包括步骤：/nS1、数据分析端接收所有用户的敏感健康数据；/nS2、数据分析端通过计算来自不同用户的健康数据与初始化的聚类中心的欧式距离并进行比较，将每个用户分配到对应的最近的聚类；/nS3、数据分析端通过第三方云平台计算并统计同一聚类中用户的的私有数据，以确定新的聚类中心。/n
【技术特征摘要】
1.一种物联网医疗系统中增强数据隐私性的数据聚类方法，其特征在于：其包括步骤：
S1、数据分析端接收所有用户的敏感健康数据；
S2、数据分析端通过计算来自不同用户的健康数据与初始化的聚类中心的欧式距离并进行比较，将每个用户分配到对应的最近的聚类；
S3、数据分析端通过第三方云平台计算并统计同一聚类中用户的的私有数据，以确定新的聚类中心。
2.根据权利要求1所述的物联网医疗系统中增强数据隐私性的数据聚类方法，其特征在于：步骤S2在保证参与者隐私的情况下分析者进行聚类的过程为：
S21、数据分析端计算满足(1)式的Cj′-Cj′′的值，然后将Cj′-Cj′′发送给用户；
(Cj′-Cj′′)T(Cj-Cj′)＝0,|Cj′-Cj′′|≠0(1)
其中Cj、Cj'为不同初始化聚类的聚类中心；Cj′-Cj′′为计算不同聚类中心的欧氏距离；
S22、用户在接收到数据分析端发来的Cj′-Cj′′后，根据(2)式计算混淆后的健康数据；
a(i,j,j′)＝ai+t(i,j,j′)(Cj′-Cj′′)(2)
其中，ai为用户原始健康数据，t(i,j,j′)是用于干扰Cj′-Cj′′的值并防止ai泄漏的随机数；
S23、用户将混淆后的数据上传至数据分析端，然后数据分析端根据(3)式、(4)式，计算用户与不同聚类中心的欧式距离：
Dij＝(a(i,j,j′)-Cj)T(a(i,j,j′)-Cj)(3)
Dij'＝(a(i,j,j′)-Cj′)T(a(i,j,j′)-Cj′)(4)
其中，Cj、Cj'分别为不同的聚类中心，Dij表示用户与聚类中心Cj的欧式距离，Dij'表示用户与聚类中心Cj'的欧式距离；
S24、数据分析端根据(5)式计算不同欧式距离之间的差异值Dis；
Dis＝Dij-Dij'(5)；
S25、基于差异值Dis判定用户的聚类关系；当差异值小于0，用户更靠近聚类Cj；当差异值大于0，用户更靠近聚类Cj'；
S26、遍历所有聚类后，数据分析端可以找出与用户健康数据之间欧氏距离最近的聚类中心。
3.根据权利要求1所述的一种物联网医疗系统中增强数据隐私性的数据聚类方法，其特征在于：所述步骤S3在保证聚类中心数据隐私情况下新的聚类中心计算的具体过程为：
S31、数据分析端随机生成一个公、私钥对，该公钥将发布给所有用户和第三方云平台，而私钥仅由数据分析端保存；同时数据分析端将与第三方云平台共享有关用户和聚类的关系表，
S32、每位用户生成一个q维度的随机向量ρi，该向量用于再次混淆每位用户的私有数据，那么被混淆的数据ai'表示为：
ai'＝ai-ρi(6)
然后用户将混淆后的数据上传至第三方云平台；
S33、第三方云平台使用公钥对所有混淆数据进行加密得到密文，且密文由第三方云平台临时...
【专利技术属性】
技术研发人员：林晖，刘文新，汪晓丁，妙秦阳，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。