基于融合模糊聚类的医院人事信息多重加密方法

郎 朗

(首都医科大学附属北京康复医院 北京 100144)

信息化社会对信息服务的简捷性、全面性与安全性等方面的要求较为严格，信息的重要性在社会发展中存在程度的质变，在各行各业中均有广泛应用[1-3].医院人事信息包含医院内部全部工作人员以及病患的所有信息，设计信息加密方法可避免出现非法用户窃取医院人事信息，防止工作人员及病患的隐私遭到泄露，保护工作人员及病患的隐私，使病患安心到医院就诊.汤海婷等人[4]通过多重加密对医院人事信息进行动态加密，缩减计算量，提升加密效率，但信息序列随机性较差，加密的安全性差；田佳鹭[5]通过混合混沌加密算法获取混沌序列，将其当成密钥，利用密钥对明文展开加密操作，提升加密效率，但安全性差.模糊聚类是通过模糊数学语言描绘与分类事物的数学方法，其本质为挖掘与分类处理数据的归类属性[6]，按照不同归类属性精准聚类数据.针对安全性差的问题，本文研究基于融合模糊聚类的医院人事信息多重加密方法，以提升信息加密效果，增强信息存储的安全性.

1 基于融合模糊聚类的医院人事信息多重加密方法

1.1 医院人事信息聚类方法

1.1.1 信息匹配检测与多余信息归集合并处理

本文利用分段融合模糊聚类方法优化医院人事信息属性聚类归集，提升信息多重加密效率.

通过分段匹配检测方法压缩医院人事信息，完成多余信息自适应归集合并[7]，降低信息多重加密的开销，在聚类空间内，主频特征量P(u)的公式如下：

(1)

其中信息集合内的标量时间序列是Sφ(t)，特征匹配集是ej2πτ0t，匹配延迟是T，特征主频率是τ0.

医院人事信息集表示为

Y={y1,y2,…,yn}⊂RS,

(2)

其中样本数量是n，yi(i=1,2,…,n)；信息匹配检测传递函数为

(3)

其中振荡幅值是ϖi，传递系数是δ，传输介质是θi.

利用基底函数dγ0间的特征匹配滤波，获取信息加密空间内多余信息的基函数的指标集Λ0后，开始寻优，获取归集合并后的信息流，公式如下：

Y=Fϖ·y，

(4)

其中约束函数是Fϖ；信息流Y=[Yϖ(0),Yϖ(1),…,Yϖ(N-1)]T；信息流矢量长度是N.

1.1.2 高阶谱特征提取

完成信息匹配检测与多余信息归集合并处理后，提取X内高阶谱特征，作为聚类中心的搜索信息素[8-9]，设计分段融合模糊聚类方法，医院人事信息的采集模糊隶属函数公式如下：

(5)

(6)

其中信息融合的聚类中心是Pfi，用户是ui，分布式信息特征融合中心是k，采样频率是Pdi.获取信息的高阶谱特征分量均值公式如下：

(7)

高阶谱特征输出的方差如下：

(8)

利用信息的动态副本展开自适应分簇匹配，获取高阶谱特征提取结果，公式如下：

(9)

其中采样样本信息的最终值是yN，代表在幅值稳态下，信息聚类中心的变动情形.

1.1.3 信息分段融合模糊聚类

将Y分成c类，1

V=(vij)c×s,

(10)

依据dγ0与多余数据展开正交特征匹配，获取信息聚类目标函数，公式如下：

(11)

其中时间序列的特征分布梯度指数是m，U是用户集，(dik)2公式如下：

(12)

yk是采样样本聚类中心，Vi是欧氏距离，同时满足

(13)

通过Lagrange定理获取分段融合模糊聚类中心最优解，公式如下：

(14)

(15)

获取最优解R(μik,Vi)，即医院人事有用信息.

1.2 医院人事信息多重加密方法

利用混沌映射方式对R展开信息多重加密，设置反破解机制，减轻非线性突变现象[10]，多重加密包含信息发送端与接收端的加密.

将R转换成二进制信息Rα，调整Rα至映射函数中，公式如下：

(16)

其中映射状态是xα，调整的信息参数是λ(Rα)，3.69<λ(Rα)<5，电平高低差是5η=λa-λb，令多重加密的密钥是(y0,λb,η).

变换调整二级映射得到一级信息映射[11-12]，二级映射信息参数为

(17)

调整后的二级信息映射状态如下：

(18)

其中二级信息映射状态是hα.

(19)

其中伪信息是qα，迭代次数是g.

利用式(19)迭代获取信息的密文序列，公式如下：

(20)

其中接收的信息序列值是lα.

为用户发送qα与信息的密钥，能够迷惑攻击者，提升欺骗性[13]，令攻击者无法找到正确的密钥，提升加密效果，增强信息存储的安全性[14].

经由解密密钥获取接收的信息，解密的中心思想是为映射发送信息，调整一级映射参数，判决二级映射信息形成的序列值对接收序列值的比较结果[15-17].

依据聚类的原则塑造判决机制，令信息距离的表达公式如下：

(21)

信息判决的流程如下：

2 实验分析

以某医院为实验对象，利用本文方法对该医院人事信息展开多重加密处理，验证本文方法的有效性.

在该医院人事信息中随机选择4组数据集，利用本文方法对这4组数据集展开聚类处理，获取有效信息，聚类结果如图1所示：

图1 本文方法的聚类效果

分析图1可知，本文方法可有效将分散的数据集进行聚类处理，数据集1，2，3各剔除1个多余信息，说明本文方法可有效剔除多余信息，保留有效信息，提升信息多重加密效率.

将归一化互信息(NMI)与芮氏指标(RI)作为评价本文方法聚类效果的指标，NMI与RI的取值区间都是[0,1]，2个指标的值与聚类效果成正比.NMI的计算公式如下：

(22)

其中聚类编号是ρ，ζ，ρ与ζ的契合程度是nρ,ζ,ρ与ζ内存在的样本量是nρ，nζ，样本总量是n.

RI的计算公式如下：

(23)

统计本文方法在聚类4组数据集时的NMI与RI值，如图2所示：

图2 NMI与RI值统计结果

分析图2可知，本文方法在聚类4组数据集时的NMI与RI值均与1较为接近，说明本文方法的聚类效果较优，能够更好地提升多重加密效果.

信息多重加密的目的是安全存储，因此测试本文方法在多重加密数据集1的信息交换标准代码(American standard code for information interchange, ASCII)值，测试应用本文方法前后信息ASCII值的分布情况如图3所示.

图3 数据集1加密前后的信息ASCII值分布情况

分析图3可知，加密前信息ASCII值分布较为有序，同时具有一定的规律，应用本文方法对信息展开多重加密后的信息序列完全被搅乱，不存在任何规律性，且分布均匀，说明此时信息处于随机状态，覆盖的原始信息，令攻击者无法找到正确的密钥，具有较优的抵抗攻击能力，增强信息存储的安全性.

通过NIST(nation institute of standards and technology)测试工具对本文方法展开随机性测试，该工具内包含15个测试，其作用为测试信息加密时利用二进制序列的随机性.各测试均会得到一个置信度，取值区间为[0,1]，若置信度超过显著性水平0.01，说明分析的二进制序列测试成功，即该序列具备随机性，其值与加密方法内信息序列随机性成正比，信息序列随机性越高，说明信息存储的安全性越高，加密效果越好.以10个测试项目为例，测试本文方法内序列的随机性，测试结果如表1所示：

表1 NIST测试结果

分析表1可知，各测试项目的置信度值均超过0.01，代表本文方法加密后的信息序列具备随机性，10个测试项目的平均置信度为0.932，与1比较接近，说明本文方法加密后信息序列的随机性较优，具备较优的加密效果.

3 结 论

为解决信息存储安全性差的问题，本文研究基于融合模糊聚类的医院人事信息多重加密方法，提升信息加密效果，确保医院人事信息不会被非法用户窃取，避免出现信息泄露情况.本文研究方法通过一级映射与二级映射实现信息的多重加密，适当增加方法的运算量，日后需以确保信息加密安全性不变为前提，研究减少方法运算量的办法，提升加密效率.