一种面向医疗数据的联邦统计推断方法及系统技术方案

本发明专利技术术语数据安全领域，具体涉及一种面向医疗数据的联邦统计推断方法及系统，包括：构建联邦统计推断平台，获取医疗数据，并对医疗数据进行同态加密；医疗密文数据上传到联邦统计推断平台；联邦统计推断平台对医疗密文数据进行联邦安全聚合；对聚合后的医疗密文数据进行分析计算和联邦统计推断，得到联邦统计推断结果；联邦统计推断平台将联邦统计推断结果发送给客户端；客户端将密文联邦统计推断结果进行同态解密，得到明文联邦统计推断结果；本发明专利技术将多种联邦统计推断模型集成并嵌入到联邦统计推断平台中，利用联邦统计推断平台的各个模块，防止中间传输过程中的隐私泄露。防止中间传输过程中的隐私泄露。防止中间传输过程中的隐私泄露。

【技术实现步骤摘要】
一种面向医疗数据的联邦统计推断方法及系统


[0001]本专利技术术语数据安全领域，具体涉及一种面向医疗数据的联邦统计推断方法及系统。

技术介绍

[0002]在医学研究中，由于生物医学现象的变异较大，各种因素错综复杂，由实验或观察得到的结果往往会受到许多随机因素的影响，需要利用统计学方法进行推断。医学统计学是关于收集数据、分析数据和由数据得出结论的一组概念、原则和方法，其重要作用在于能够透过偶然现象来探测其规律性，使研究结论具有科学性。与此同时，大数据时代产生的海量医疗数据被收集、存储、分析和处理，将分散在各个医疗机构的本地医疗数据进行分析和计算，打破医疗数据的信息孤岛，将会更好的推动医药事业的发展。
[0003]然而，由于数据共享不可避免地带来个人隐私敏感信息泄露的风险，各个医疗机构不愿意共享数据，通常各家医疗机构使用公开的统计分析工具进行各自所需的医学统计分析，不同医疗机构之间难以利用对方的数据进行联统计分析和推断。因此亟需构建医疗数据安全共享和联邦统计推断的新模式，打消医疗机构的安全顾虑，联合多方数据协同分析，推动医疗数据价值的高效释放。
[0004]为了实现医疗数据安全共享和联邦统计推断，越来越多的研究致力于利用联邦学习技术来实现医疗数据的协同应用。数据拥有方利用本地模型训练，然后上传训练的模型参数用于聚合全局模型，循环多次直至完成模型训练。这涉及到模型训练的过程，通常与借助简单的统计分析工具实现医学统计分析的现实相违背，同时为实现联邦统计推断，简单的将数据上传至数据服务方又无法解决医疗数据安全和隐私安全问题，从而造成数据泄露。

技术实现思路

[0005]为解决以上现有技术存在的问题，本专利技术提出了一种面向医疗数据的联邦统计推断方法，该方法包括：构建联邦统计推断平台，该平台由多种联邦统计推断模型组合构成；采用联邦统计推断平台对医疗数据进行联邦统计推断，得到推断结果；具体包括：
[0006]S1：获取医疗数据，并对医疗数据进行同态加密，得到医疗密文数据；
[0007]S2：医疗密文数据上传到联邦统计推断平台；
[0008]S3：联邦统计推断平台对医疗密文数据进行联邦安全聚合；
[0009]S4：对聚合后的医疗密文数据进行分析计算，对分析计算结果进行联邦统计推断，得到联邦统计推断结果；
[0010]S5：联邦统计推断平台对联邦统计推断结果进行加密，并发送给客户端；
[0011]S6：客户端对加密的联邦统计推断结果进行解密，并对解密后联邦统计推断结果进行同态解密，得到明文联邦统计推断结果。
[0012]优选的，医疗数据进行同态加密的过程包括：对医疗数据进行环上的加法和乘法
运算；采用密钥对运算结果进行加密，得到医疗密文数据。
[0013]优选的，对解密后的医疗密文数据进行安全聚合的过程包括：
[0014]S31：联邦统计推断平台收集所有参与方医院所上传的本地医疗密文数据；
[0015]S32：将全部本地医疗密文数据汇总，得到所有参与方医院的医疗密文数据；
[0016]S33：对医疗密文数据进行基本运算操作，得到医疗密文数据变量；
[0017]S34：对医疗密文数据变量进行联邦平均计算，并对计算结果进行安全聚合。
[0018]进一步的，对医疗密文数据进行基本运算操作包括：对医疗密文数据进行加法、减法和乘法运算，得到医疗密文数据变量。
[0019]优选的，对聚合后的医疗密文数据进行分析计算包括：
[0020]步骤1：对联邦平均计算所得的医疗密文数据变量进行安全聚合；
[0021]步骤2：构建联邦统计推断模型；
[0022]步骤3：采用联邦统计推断模型对聚合后的数据进行联邦统计推断决策。
[0023]优选的，对聚合后的数据进行联邦统计推断决策包括：对聚合后的数据进行加法、减法、乘法计算，得到统计检验中间值；采用同态除法协议计算统计检验中间值的检验统计量和自由度，根据检验统计量和自由度筛选出联邦统计推断决策。
[0024]进一步的，采用同态除法协议计算统计检验中间值的检验统计量和自由度包括：采用同态除法协议对聚合后的统计检验中间值的统计检验量分子和分母进行迭代优化，使得统计检验量分子和分母逼近最优值；根据统计检验量分子和分母逼近最优值计算出自由度。
[0025]一种面向医疗数据的联邦统计推断系统，该系统包括：集成模块、同态加密模块、数据上传模块、安全聚合模块、联邦统计推断模块、数据下发模块以及同态解密模块；
[0026]所述集成模块用于将多种医学统计学上的统计推断方法集成并嵌入联邦统计推断平台，形成联邦统计推断平台中的多种联邦统计推断模型；
[0027]所述同态加密模块用于对本地医疗数据进行同态加密，形成医疗密文数据；
[0028]所述数据上传模块用于将医疗密文数据上传至联邦统计推断平台；
[0029]所述安全聚合模块用于将收集到的各医院的医疗密文数据进行联邦安全聚合；
[0030]所述联邦统计推断模块用于将安全聚合的医疗密文数据进行分析与计算，并进行联邦统计推断，获得联邦统计推断结果；
[0031]所述数据下发模块用于将最终获得的联邦统计推断结果下发至医院；
[0032]所述同态解密模块用于对联邦统计推断结果进行同态解密，得到明文联邦统计推断结果。
[0033]本专利技术的有益效果：
[0034]本专利技术将多种联邦统计推断模型集成并嵌入到联邦统计推断平台中，利用联邦统计推断平台的各个模块，首先医疗结构对本地医疗数据进行同态加密计算，形成医疗密文数据，然后将其上传到联邦统计推断平台，选择所需的统计推断模型进行联邦平均安全聚合，得到联邦统计推断结果；将联邦统计推断结果加密下发至医疗机构，最终获得明文联邦统计推断结果；在保证各个参与联邦统计推断的医院本地的医疗数据安全和隐私安全的同时，防止中间传输过程中的隐私泄露，从而高效实现跨医疗机构间的联邦统计分析与推断。
附图说明
[0035]图1为本专利技术面向医疗数据的联邦统计推断方法流程图；
[0036]图2为本专利技术面向医疗数据的联邦统计推断系统架构图；
[0037]图3为本专利技术实施例提供的一种联邦统计推断实现架构图。
具体实施方式
[0038]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0039]一种面向医疗数据的联邦统计推断方法，该方法将多种医学统计学上的统计推断方法集成并嵌入联邦统计推断平台，形成多种联邦统计推断模型，保证多家医院的本地数据在密文状态下进行跨医疗机构联邦统计推断；医院对各自的本地数据进行同态加密计算，形成医疗密文数据；将医疗密文数据上传至联邦统计推断平台；通过选择的统计推本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向医疗数据的联邦统计推断方法，其特征在于，包括：构建联邦统计推断平台，该平台由多种联邦统计推断模型组合构成；采用联邦统计推断平台对医疗数据进行联邦统计推断，得到推断结果；具体包括：S1：获取医疗数据，并对医疗数据进行同态加密，得到医疗密文数据；S2：医疗密文数据上传到联邦统计推断平台；S3：联邦统计推断平台对医疗密文数据进行联邦安全聚合；S4：对聚合后的医疗密文数据进行分析计算，对分析计算结果进行联邦统计推断，得到联邦统计推断结果；S5：联邦统计推断平台对联邦统计推断结果进行加密，并发送给客户端；S6：客户端对加密的联邦统计推断结果进行解密，并对解密后联邦统计推断结果进行同态解密，得到明文联邦统计推断结果。2.根据权利要求1所述的一种面向医疗数据的联邦统计推断方法，其特征在于，对医疗数据进行同态加密的过程包括：对医疗数据进行环上的加法和乘法运算；采用密钥对运算结果进行加密，得到医疗密文数据。3.根据权利要求1所述的一种面向医疗数据的联邦统计推断方法，其特征在于，对解密后的医疗密文数据进行安全聚合的过程包括：S31：联邦统计推断平台收集所有参与方医院所上传的本地医疗密文数据；S32：将全部本地医疗密文数据汇总，得到所有参与方医院的医疗密文数据；S33：对医疗密文数据进行基本运算操作，得到医疗密文数据变量；S34：对医疗密文数据变量进行联邦平均计算，并对计算结果进行安全聚合。4.根据权利要求3所述的一种面向医疗数据的联邦统计推断方法，其特征在于，对医疗密文数据进行基本运算操作包括：对医疗密文数据进行加法、减法和乘法运算，得到医疗密文数据变量。5.根据权利要求1所述的一种面向医疗数据的联邦统计推断方法，其特征在于，对聚合后的医疗密文数据进行分析计算包括：步骤1：对联邦平均计算所得...

【专利技术属性】
技术研发人员：唐飞，王萍，何平逊，郭芷佟，唐麒淞，沈菊颖，肖云鹏，王国胤，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：