基于TripleDES的醫院信息系統高隱私數據加密保護方法

中圖分類號：TP309 文獻標志碼：A

0 引言

隨著醫療信息化的快速發展，醫院信息系統中的高隱私數據保護成為亟待解決的關鍵問題。在醫療數據的處理、傳輸和存儲過程中，如何確保患者隱私不被泄露，成為醫療信息安全領域的重要課題。現有研究在數據隱私保護方面提出了多種方法。高靜等[1]在全同態加密的基礎上，為無線傳感網絡數據提供了隱私保護方案。然而，該方法在處理復雜數據時，計算復雜度和密鑰管理難度較高，導致加密精度難以提升。馮苗苗等2通過計算數據點平均距離、更新中心點并分類，結合隱私威脅模型提取危險因素，引入匿名隨機數作為盲因子加密數據，但由于匿名屬性的引入增加了數據處理的復雜度，影響了加密效果。王超[3通過特征數據融合預處理通信數據，應用數據同態加密算法進行點對點加密傳輸，選擇合適的傳輸路徑實現物聯網數據隱私保護。但物聯網環境中的數據多樣性和復雜性增加了加密難度。針對上述問題，文章提出了基于TripleDES的醫院信息系統高隱私數據加密保護方法。

1基于TripleDES的醫院信息系統高隱私數據加密保護方法

1.1 形成合成數據

形成隱私合成數據的一種方法是利用生成對抗網絡（Generative Adversarial Networks，GAN）。GAN作為一種前沿的深度神經網絡結構，具備直接生成與原始數據極為相近的合成數據的能力，而無須預先構建概念上的概率密度函數[4]。在本文所設定的框架中，定義生成器的輸入為隨機噪聲信號，判別器負責接收并處理2類輸入數據：一類是由生成器生成的合成數據，另一類則是直接來源于真實場景的原始數據，表達式為：

式（1）中， R_data 為待加密的原始數據； maxmin_cE（u v ）為加密性能目標； T_α（x） 為噪聲樣本； T_ν（x） 為真實數據樣本。

為了實現數據隱私保護，文章提出差分隱私GAN。在生成GAN的訓練流程中，引入差分隱私機制[5]，旨在使生成的合成數據既與原始數據高度近似，又符合差分隱私所規定的安全標準。在判別器更新操作時，采用對原始數據集進行隨機抽樣的方法，以此獲取對應樣本的數據梯度值，計算公式為：

式中， T_{（i，j）} 為梯度截斷界限； Range（α₁，α₂） 為數據梯度值的范圍; c_（u，v） 為生成器的損失函數。

在完成梯度裁剪操作之后，通過向裁剪后的梯度中添加噪聲，依據設定的閾值作為邊界條件，來限定敏感度的取值區間，進而達成對云數據的差分隱私保護處理。為了量化訓練過程中產生的隱私損失，本文采用隱私統計方法計算，公式如下：

式中， Adam 為噪聲分布特性； Gradient（m，n） 為隱私損失值。

通過在模型梯度層面引入差分隱私噪聲擾動，構建能夠逼近原始數據分布特征的合成數據。

基于形成的隱私合成數據，可以構建醫院信息系統的高隱私數據傳輸信道模型，確保數據在傳輸過程中的隱私性和安全性。

1.2構建醫院信息系統高隱私數據傳輸信道模型

醫院信息系統中的高隱私數據傳輸信道模型，通過隨機線性數據鏈控制策略評估信道完整性并利用信道鏈路調制提升傳輸效率與隱私保護水平，同時篩選并調整異構數據源的相關性，聚焦強關聯數據，確保醫療服務響應與安全體驗。

借助數據元組的密度特性對數據屬性展開剖析，以此全方位地呈現傳輸過程中隱私數據的整體特征。將待傳輸的隱私醫療數據設定為離散信號形式，記作x ，用于后續的發送操作。借助比特序列來計算隱私數據在傳輸環節中的信息特征量 X ，同時深人剖析數據在傳輸路徑上的具體表現情況，進而能夠構建描述隱私數據傳輸的信道模型 F ，計算公式為：

式中， j 為數據字節容量； k₀ 為信道帶寬。通過精細調校與設定各項參數指標，以保障隱私醫療數據在傳輸過程中的安全性。

1.3提取隱私數據中的特征信息

在成功構建醫院信息系統高隱私數據傳輸信道模型之后，運用離散余弦變換技術對隱私數據的特征進行提取，借助編碼手段達成數據到信號的特征對應映射，隨后將信號從時域轉換到頻域，以此進一步提取特征信息[。本文明確界定了一個具備隱私特性的醫療數據集合A，該集合內數據項的總數為 ?_m ，利用離散余弦變換技術，將這些數據從時域轉換到頻域，以便提取其中蘊含的特征信息。

針對大規模數據處理場景下提升計算效率的需求，本文對數據的頻域矩陣開展了奇異值分解操作，通過計算特征信息對應的調制系數來降低信息波動程度，計算公式為：

式中， p 為信息傳輸匹配度； b 為數據傳輸狀態參數； L 為鄰域區間。當數據傳輸狀態因子 b 取值為1時，表明數據正處于正常傳輸的情形。在此狀態下，計算復雜度可被有效控制在較低水平，進而能夠從隱私醫療數據里提取特征信息，顯著提升數據處理與分析工作的效率。為適配多元復雜的數據處理場景需求，構建契合隱私保護要求的具體分析環境，以此推動動態加密算法的高效落地執行，保障高隱私數據在傳輸與分析過程中的安全性。

1.4基于TripleDES定義密鑰模板

基于TripleDES定義醫院信息系統高隱私數據密鑰模板，本文通過引入更加復雜的密鑰派生機制來強化密鑰的生成與安全管理，確保高隱私數據在存儲與傳輸過程中的安全性。網絡服務器在執行TripleDES算法時，融入錯誤檢測與校正功能，利用冗余編碼或校驗技術，以保障在數據傳輸過程中，患者的高隱私信息能夠準確無誤地進行加密與解密。

基于TripleDES的改進定義式表示為：

式中， χ 為優化運算因子； 為基于TripleDES算法的數據校正系數； 為高隱私數據的特征函數; β 為數據傳輸參數。

將TripleDES算法應用于醫院信息系統的高隱私數據處理，旨在加密敏感信息，防止未經授權的訪問，確保數據完整性與一致性。高隱私數據密鑰模板定義式為：

式中， 為TripleDES算法下的高隱私數據密鑰編碼； γ 為密鑰標識因子； p 為密鑰模板的對稱指標；ε 為高敏感度數據加密配置參數； J 為隱私校驗參數。借助TripleDES算法密鑰模板，為服務器存儲加密患者高隱私數據提供路徑，保障其安全認證單一信息參量。

1.5實現醫院信息系統高隱私數據加密保護

為醫院信息系統中的高隱私數據設計加密保護方案時，本文采用TripleDES算法構建定制密鑰模板，確保密鑰與數據嚴格對應，實現精細化加密控制，防止未授權訪問和數據濫用。

隨機選取 n 個獨特的隱私數據特征作為加密基礎，利用TripleDES算法限制和管理訪問，確保授權訪問并監控數據訪問行為，以降低泄露風險并及時響應異常。

醫院隱私數據存儲機制的表達式為：

式中， μ 為隱私數據的實時存儲參數； 為訪問限制系數； 為基于TripleDES算法的信息訪問特征； κ 為隱私數據的敏感性指標； $＼textit { ＼textbf { ＼iota } }$ 為隱私數據的統一管理系數。

設計醫院隱私數據加密方案時，要明確加密敏感度。TripleDES算法要求密鑰傳輸用安全協議加密，且數據寫入存儲前需加密防多系統訪問。

醫院隱私數據加密方案的表達式為：

式中， θ 為密鑰傳輸參數； X^′ 為隱私數據密鑰編寫系數； C 為存儲介質數據載入系數； v 為加密速率； 為TripleDES算法通信協議中的加密參量。

基于TripleDES的醫院隱私數據加密方法將主密鑰分割為多個子密鑰，每個子密鑰用于不同加密操作或數據部分，增強密鑰安全性。即便某個子密鑰泄露，也不會立即危及整個主密鑰，從而有效保護醫院信息系統中的高隱私數據。

2實驗結果與討論

2.1搭建實驗環境

為構建醫院信息系統檔案數據庫結構并進行加密處理，本文搭建以下實驗環境：操作系統為Linux4.8；中央處理器為IntelCorei7；數據庫為PostgreSQL。

為增強實驗過程中的安全性保障，本研究選用了TripleDES算法，運用長度至少達168位的密鑰對數據進行加密處理，以確保數據在傳輸以及存儲環節均具備安全性。從醫院信息體系內抽取部分真實檔案數據作為實驗樣本集并進行預處理，使其符合數據庫的錄入規范。此外，構建模擬攻擊場景，借助專業的安全分析工具，對多種加密方法的隱私保護效能進行測試評估。

2.2數據合成效果驗證

在評估數據隱私保護下的數據合成效果時，采用皮爾遜相關系數衡量數據間的相關性，其計算公式如下：

式中， n 表示樣本總數； 和 分別表示數據集 X 和 Y 的均值； X_i 和 Y_i 分別表示數據集 X 和Y中第 i 個樣本的值。

依據此公式，計算基于全同態加密的無線傳感網絡數據隱私保護方法（方法1）、基于加密技術的共享機密數據隱私保護方法（方法2）以及本文方法的皮爾遜相關系數。測試結果如圖1所示。

圖1皮爾遜相關系數對比

由圖1可知，方法1、方法2的皮爾遜相關系數均低于本文方法。相較于2種對比方法，本文方法在數據合成過程中能更好地保持數據間的相關性，從而實現了更為有效的數據合成效果。

2.3加密精度分析

對醫院信息系統應用TripleDES加密前后的性能開展對比分析，評估其對系統性能的具體影響；同時通過模擬攻擊，驗證TripleDES加密在保護患者隱私方面的效果。多種應用場景下3種加密方法的加密精度測試結果如圖2所示。

圖2原始數據采樣信號序列

由圖2可知，方法1與方法2的加密精度處于較低水平，這會使密文安全性降低，不利于對患者隱私的保護。而本文所提方法與之相比，加密精度可高達98% 。這一結果表明，運用TripleDES加密技術能夠顯著提升加密精度，從而增強密文的安全性和數據的準確性，更好地滿足醫院信息系統中數據隱私保護的需求。

2.4信息熵對比分析

信息熵作為一項關鍵指標，能夠有效衡量數據在經歷隱私保護處理過程后，其不確定性程度或信息量的改變情況。在多數醫院信息系統的隱私保護場景中，期望隱私保護措施能導致信息熵的顯著變化，以此體現隱私保護的實際成效。3種加密方法的信息熵如圖3所示。

圖3信息熵對比結果

由圖3可知，相較于隱私保護措施實施前的信息熵，運用本文方法后信息熵的變化幅度更為突出，這表明采用該方法加密后的醫院數據具備更高的安全保障級別。在加密環節里，引入了基于患者信息的匿名隨機因子來強化隱私保護，該舉措顯著提高了攻擊者破解數據的難度。

3結語

本文研究了基于TripleDES的醫院信息系統高隱私數據加密保護方法，通過形成合成數據、構建傳輸信道模型、提取特征信息及定義密鑰模板等手段，有效提升了數據隱私保護水平。盡管此方法顯著增強了數據安全性，但仍存在計算效率等不足。未來研究將致力于優化算法，提升處理速度，以更好地滿足醫療信息化中的數據隱私保護需求。

參考文獻

[1]高靜，任俊軍.基于全同態加密的無線傳感網絡數據隱私保護方法[J].現代計算機，2024（14）：70-74.

[2]馮苗苗，王莎莎，李薪.匿名屬性加密的電力物聯網終端數據保護方法[J].計算機仿真，2024（12）：137-140，554.

[3]王超.物聯網通信中數據隱私保護方法[J].長江信息通信，2023（2）：203-205.

[4]牛欣怡，余樾，劉婷月.基于加密技術的共享機密數據隱私保護方法[J].企業科技與發展，2023（1）：61-63.

[5]趙巍，萬宇菲，阮聿杰，等.5G網絡下車聯網通信數據加密與隱私保護方法設計[J].信息技術與信息化，2024（1）：170-173.

[6]楊淞麟.基于顯隱式反饋的個人信息隱私保護方法[J].情報科學，2023（11）：134-140.

（編輯 王雪芬）

Abstract：Thetraditional medical data privacy protection methoddirectlysets the data encryption key，lacking the synthesis and processing of operational data，resulting in unsatisfactory data privacyprotection efects.Therefore，this study proposes a high privacy data encryption protection method for hospital information systems based on Triple DES. Integrating generative adversarial networksand diferentialprivacy techniques to formprivacysynthesized data; Constructing a highprivacydata transmisionchannel model throughrandom lineardata link control strategy and chanellink modulation；Using discrete cosinetransformand singular value decompositionto extract feature information from private data;Define keytemplates based on the Triple DES algorithm.The experimental results show that this method outperforms traditional methods in terms of data synthesis performance，encryption accuracy，and information entropy changes， effectively improving the level of data privacy protection.

Key Words： Triple DES encryption;privacy synthesis data; hospital information system; high privacy data encryption protection; data transmission channel model; key template