基于量子计算的医疗敏感信息智能加密算法

李晓峰, 焦洪双, 王妍玮

(1. 黑龙江外国语学院 a. 信息工程系; b. 科研处, 哈尔滨 150025; 2. 普度大学 机械工程系, 印第安纳州 西拉法叶市 IN47906)

0 引 言

医疗信息中存在的敏感信息包括用户隐私、 医疗诊断信息等, 在医院信息化建设中, 大量的医疗信息通过大数据的形式实现信息传输和调度, 在进行医疗信息存储、 传输和调度过程中, 涉及到大量的医疗敏感信息的保护问题。在大数据环境背景下, 当前医疗信息泄露的主要原因有以下5大类： 黑客入侵、 使用者处置不当、 非法登陆、 丢失和被窃。为避免医疗敏感信息泄露, 需要对医疗敏感信息进行加密处理, 提高医疗敏感信息保护能力, 从而确保医疗敏感信息安全[1-3]。研究医疗敏感信息加密方法, 在医疗敏感信息存储、 传输和安全调度等方面具有重要意义[4]。而在大数据环境背景下, 医疗敏感信息结构更为复杂, 内容更加繁复。传统的加密算法已经不能对海量的医疗敏感信息数据有效地识别并加密, 使医疗敏感信息在大数据时代面临着被泄露的风险。

目前已有部分学者进行了医疗敏感信息加密构造研究, 例如, 李玲等[5]提出基于Logistics超混沌序列加密信息智能加密算法, 构建信息大数据分布结构模型, 采用超混沌非线性映射混合加密技术实现数据加密, 但该方法进行数据加密自适应性不好, 抗攻击能力弱。陈建辉等[6]提出基于混沌密钥构造信息自动加密算法, 采用非线性向量量化编码方法进行信息同态融合加密, 提高加密输出稳定性, 但该方法进行信息加密的模糊度较大, 对大批量数据加密的计算复杂度较高。潘巨龙等[7]提出基于Feistel的数据加密算法, 通过分析数据特性, 构建无线信号的路由节点, 并根据上述内容设计Feistel加密结构和数据加密标准DES, 提升了算法在资源消耗和安全强度之间的平衡程度, 但该算法未考虑数据规模, 因此在加密时存在时间开销较大的问题。陈滢生等[8]提出多源信息资源全同态加密方法, 通过设计较短公钥提升数据加密程度。在网络中任意补充同余数对感知资源同态加密, 并采用加密性融合方法获取有效密文数据, 检验其完整性, 完成信息加密。但该算法存在信息对称性较弱的问题。

针对上述问题, 笔者提出基于量子计算的医疗敏感信息智能加密算法。其中量子计算具有量子超并行性、 指数级的存储容量等特点, 其本质是利用量子态的叠加性简化计算步骤, 提升运算速度, 同时大幅度地提升了系统存储空间, 是一种有效的数据分析、 加密算法。

1 医疗敏感信息加密的密钥设计及密文协议

为实现基于量子计算的医疗敏感信息智能加密, 就要进行密文协议构造, 设计适应医疗敏感信息状态结构的密钥。但由于大数据环境下, 医疗敏感信息状态结构较为复杂, 所以笔者的研究方法重构了医疗敏感信息状态特征。

首先进行医疗敏感信息的密钥设计, 输出移动医疗敏感信息的明文序列, 采用关键字检测方法进行医疗敏感信息加密的密文构造, 通过Logistics映射进行医疗敏感信息加密的模糊映射关联调度, 构建医疗敏感信息加密的协商协议, 对多个发送方的加密消息进行混合重构, 结合初始密钥进行明文攻击抵御加密。

1.1 加密的密钥设计

首先通过分析医疗敏感信息智能加密设计原理, 定义医疗敏感信息加密的量子纠缠态及其附加态, 以两者的混合纠缠态进行医疗敏感信息状态特征重构, 最终得到医疗敏感信息加密子空间矩阵, 为分离矩阵量子编码提供可行数据。

构建医疗敏感信息加密的密钥信息, 设φi表示医疗敏感信息加密的纠缠因子, 采用敏感密钥表征方法进行医疗敏感信息的密钥重排, 结合量子计算方法, 当所有的纠缠因子具有的特性综合成为整体性质, 就得到了医疗敏感信息加密的量子纠缠态Hn, 定义为

(1)

其中N为通过医疗信息数据库获取到的医疗敏感信息数量。在量子纠缠态下, 设敏感信息分布密度为I, 初始分布区间满足I=[0,1], 医疗敏感信息自旋为1/2的粒子, 故第1个量子加密的医疗敏感信息自旋态为b1、b2, 医疗敏感信息的模糊自旋态为c1、c2, 采用量子粒子调度方法[9], 进行医疗敏感信息状态特征B的重构, 如下

(2)

基于医疗敏感信息状态特征B的重构, 得到医疗敏感信息量子加密的密钥构造函数C, 其定义为

(3)

综上分析, 构建医疗敏感信息加密的密钥信息, 根据密钥信息分析密钥明文编码序列, 并采用椭圆曲线随机控制方法, 构建密文协议子空间矩阵, 重排医疗敏感信息的密钥, 提高加密稳定性[10]。

1.2 结合密文协议子空间矩阵的密文构造

为建立医疗敏感信息之间的编码协议和密钥传输协议[11], 需通过量子计算方法, 获取量子编码方案, 根据方案内容要求可知, 编码协议和密钥传输协议的二者相关协议需通过明文编码序列建立密文协议子空间矩阵, 即可获取密文协议转发信息。因此笔者将通过对医疗敏感信息加密的明文编码序列进行分析, 结合量子计算方法获取目的矩阵。其中, 明文编码序列为En={E1,E2,…,En}。

利用明文编码序列, 采用量子计算方法, 进行医疗敏感信息加密的稀疏性表达, 可得

(4)

基于上述, 引入椭圆曲线随机控制方法进行医疗敏感信息的加密量化编码设计[12], 采用椭圆曲线方法中的二进制编码方法构建加密过程中的波动方程, 进行医疗敏感信息加密的优化控制, 得到优化的特征解为

E=M(x)+kr

(5)

其中M(x)为椭圆曲线函数,k为二进制编码系数,r为波动系数。初始化加密矩阵L, 得到嵌入维数m, 在量子加密密钥下, 得到N×m维医疗敏感信息加密的子空间矩阵

(6)

2 医疗敏感信息量子加密计算

医疗敏感信息量子加密研究中, 重点需要优化密钥, 将优化后的密钥安插在医院系统中, 依靠系统运行完成数据加密。首先构建医疗敏感信息加密的密钥信息, 通过应用分离矩阵量子算法进行密文协议编码, 从而为获取医疗敏感信息量子加密的传递密钥提供基础, 提升加密数据对称性。采用块匹配处理技术, 计算解密密钥特征量, 对密钥进行重排, 最后利用特征量设计椭圆传递函数, 输出优化密钥, 由此提升算法加密效果, 从而实现医疗敏感信息加密算法的优化设计。

2.1 分离矩阵量子编码

建立医疗敏感信息之间的编码协议和密钥传输控制协议[13-14], 得到传输节点距离定义为

(7)

其中ε为正数。设输出的密文协议为Nb, 根据医疗敏感信息加密的量子纠缠态φn, 产生Nb个n维的加密密文向量, 由此确定医疗敏感信息加密的量子特征量xj, 从而组成一个医疗敏感信息加密的邻域分布函数

(8)

通过寻优矩阵获取敏感信息的可活动范围。设Bxi为Bxj的广义逆矩阵,Bxj为邻域分布矩阵, 采用量子计算方法, 进行医疗敏感信息加密过程中自适应寻优, 其寻优矩阵为

(9)

而医疗敏感信息隔离加密的量子计算模式为

(10)

f(Q)=QNLjRi

(11)

其中QN为指数谱特征量；Lj为空间基向量；Ri为迭代次数。量子加密的模糊控制系数λi定义为

(12)

其中Rj为模糊控制参数。结合上述, 建立医疗敏感信息加密的分离矩阵量子编码

L=Ljλif(Q)

(13)

其中f(Q)为矩阵分离函数。对其进行模糊分集。由上分析, 进行医疗敏感信息加密的量子计算, 提高加密输出安全性。

2.2 基于量子计算的医疗敏感信息智能加密算法实现

(14)

其中g为解密影响变量；ki为敏感信息数据大小；li为密钥数据总大小；L为加密矩阵。初始医疗敏感信息隔离的自适应权重系数wi+2和wi+3, 其中1≤k≤n, 令检测周期t0=H1(g1,g2,g3), 得到医疗敏感信息加密的椭圆传递函数表达为

(15)

(16)

重排密钥, 获取传递密钥。其中Kα为医疗敏感信息加密的同态融合特征量,Γ(α)为医疗敏感信息数据加密的链路传输协议函数,Fφ为医疗敏感信息数据加密的敏感函数。通过上述过程, 实现医疗敏感信息智能加密, 具体算法实现步骤描述如下。

输出： 密钥特征量编码结果F(λ)。

首先初始化医疗敏感信息加密参数, 从i=1开始进行信息加密：

1) 对量子加密的模糊控制系数λi进行计算, 得到分离矩阵量子编码L；

2) 根据分离矩阵量子编码, 在医院系统中安插传递密钥, 经块匹配处理得到解密密钥特征量rij；

3) 构建医疗敏感信息加密的椭圆传递函数, 得到模糊状态特征集αk；

5) 利用上述步骤重复训练算法, 直至最后一个密钥判断完成；

6) 输出密钥, 将密钥安插在医院系统中, 对每次需要传输的医疗敏感信息单独加密, 做到一次一密, 保障加密效果, 最终完成数据智能加密。

通过上述对笔者方法的训练, 得到算法的输出密钥, 实现医疗敏感信息智能加密, 笔者信息智能加密过程如图1所示。

图1 医疗敏感信息智能加密流程

3 实验与结果分析

为测试笔者方法在实现医疗敏感信息智能加密中的应用性能, 进行实验测试分析。

3.1 实验环境和数据集

3.1.1 实验环境

为直观分析实验性能, 在Matlab环境下模拟实验, 输入原始数据, 利用不同算法运算, 得到可视化实验数据结果。此外, 为使实验规范化, 笔者在实现算法过程中融合了C语言程序, 完善系统计算机语言表达功能。此外, 还需设置实验条件, 笔者设置加密比特序列的长度为1 200, 医疗敏感信息采样的时间长度为200 s, 量子计算的迭代长度为200, 训练集规模为24。

3.1.2 数据集

笔者从医学数据库中获取医疗信息。该实验使用Health Data数据集(healthdata.gov)、 ADNI数据集(adni.loni.usc.edu)、 DRIVE数据集(www.isi.uu.nl/Research/Databases/DRIVE/download.php)、 OASIS数据集(www.oasis-brains.org), 从上述数据集中抽取2 170个数据, 并通过SPSS19.0软件处理得到模拟数据, 下面对选取的数据集进行具体分析。实验数据集的描述如表1所示。

表1 实验数据集的描述

3.2 实验指标

1) 加密的抗攻击度。在进行医疗敏感信息加密过程中, 需检测攻击信息的抗干扰性能, 以提高信息加密性。为验证笔者算法的加密性能, 选取算法的抗攻击度作为分析指标, 则抗攻击度的计算公式为

(17)

其中N为敏感信息数量。

2) 密文节点数据的传输速度。数据传输速度影响医疗敏感信息加密效率, 因此需将数据传输速度作为实验分析指标, 其计算公式为

(18)

其中tN为敏感信息传输时长。

3) 信息加密的对称性。数据加密结果与原数据需保持一致, 因此通过分析信息加密的对称性, 可验证笔者方法的有效性。而信息加密的对称性可通过对比加密前后数据大小、 内容的一致性, 以评价信息加密的对称性, 因此笔者的对称性检测又叫数据查准性, 其计算公式为

(19)

其中Nj为加密后敏感信息数量。

3.3 实验结果

3.3.1 加密的抗攻击度性能对比

以表1的医疗敏感信息为研究对象, 进行数据加密。测试不同方法进行加密的安全性, 以输出的抗攻击度为测试指标, 得到对比结果如表2所示。

表2 加密的抗攻击度对比

分析表2对比结果可知, 采用笔者方法进行医疗敏感信息加密的抗攻击能力较好, 性能优于传统方法。通过分析可知, 抗攻击度是由其稳定性决定的, 笔者在进行加密算法设计时, 考虑了量子纠缠态及其附加态的混合运行模式, 通过敏感信息自旋态的特征重构, 构建具有稳定结构的密钥, 提升信息加密性能, 减少异常信息攻击。

3.3.2 密文节点数据的传输速度对比

为检验基于量子计算的医疗敏感信息智能加密算法的传输速度, 对比笔者算法、 文献[5]方法、 文献[6]算法、 文献[7]方法的数据迁移所用时间, 测试结果如图2所示。

分析图2可知, 采用笔者算法对2 170个数据进行迁移, 平均耗时约为0.8 s, 数据传输速率较快, 而其他文献方法耗时较长, 传输速率较慢, 说明笔者方法在数据迁移过程中更顺畅, 效率更高。而笔者密文数据传输速度快是因为建立医疗敏感信息之间的编码协议和密钥传输控制协议, 缩短传输节点间距离, 并根据医疗敏感信息加密的量子纠缠态构建了信息邻域分布函数, 使密文节点融合在一定范围内, 有效减少密文间的交互耗时, 以提升数据传输效率。

3.3.3 信息加密的对称性能对比

在上述实验基础上进行信息加密的对称性对比, 结合式(19)计算其查准率, 计算结果如图3所示。

图2 不同方法的密文节点数据传输速度对比 图3 不同方法的加密结果的查准率对比

分析图3可知, 笔者方法具有较高的查准性, 说明笔者方法信息加密的对称性较好, 优于其他文献方法。这是由于笔者方法采用了块匹配处理技术, 通过分块分析加密数据的特征值, 构建椭圆函数, 使加密结果保留了原始数据的特性, 以此提升算法的对称性。

4 结 语

对医疗敏感信息进行隐私加密处理, 构建医疗敏感信息的加密和线性编码模型, 提高医疗敏感信息的隐私保护能力, 提出基于量子计算的医疗敏感信息智能加密算法, 笔者方法的具体方案及创新点如下。

1) 考虑混合纠缠态情况, 可分析其在不同运行状态下的加密程度, 有效提升密钥结构稳固性。

2) 通过构建分离矩阵量子编码, 给定具体信息计算范围, 可提高加密的输出安全性。

3) 采用密钥重排方法, 获取传递密钥, 并根据重排结果获取有效密文信息, 排除无效信息干扰, 提升数据传输效率。

4) 笔者方法考虑了同态融合特征量, 根据特征量进行信息加密, 能做到专项加密, 提高信息的加密贴合度, 提升信息可信性。

综上所述, 笔者方法进行医疗敏感信息加密的置乱性较高, 抗攻击能力较强。但笔者所设计算法是在限定的环境下进行的, 未全面考虑不同环境下干扰条件的影响, 因此未来研究方向需分析其他信息干扰下数据的加密方法, 以期提升数据加密效果。