CN116894261B - 一种数字化医院电子病历智能加密方法 - Google Patents
一种数字化医院电子病历智能加密方法 Download PDFInfo
- Publication number
- CN116894261B CN116894261B CN202311160054.XA CN202311160054A CN116894261B CN 116894261 B CN116894261 B CN 116894261B CN 202311160054 A CN202311160054 A CN 202311160054A CN 116894261 B CN116894261 B CN 116894261B
- Authority
- CN
- China
- Prior art keywords
- image
- image block
- degree
- pixels
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 60
- 238000007689 inspection Methods 0.000 claims abstract description 54
- 230000000694 effects Effects 0.000 claims description 14
- 230000000739 chaotic effect Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 16
- 238000005336 cracking Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及数据处理领域，具体涉及一种数字化医院电子病历智能加密方法，所述方法包括：获取检查图像和检查图像相关信息；利用检查图像相关信息生成密钥矩阵，利用密钥矩阵对检查图像进行一次加密得到初始密文图像，将初始密文图像拆分得到多个图像块，计算各图像块的计数盒维数，计算图像块中的各像素与其他像素的关联性，进而得到各图像块的混乱程度，根据各图像块的混乱程度对初始密文图像进行加密控制得到最终密文图像，从而实现根据检查图像在加密过程中的混乱程度来进行加密控制，进而使得最终得到的密文图像安全性较高。
Description
技术领域
本申请涉及数据处理领域，具体涉及一种数字化医院电子病历智能加密方法。
背景技术
电子病历(EMR，ElectronicMedicalRecord)也叫计算机化的病案系统或称基于计算机的病人记录，它是用电子设备(计算机、健康卡等)保存、管理、传输和重现的数字化的医疗记录，用以取代手写纸张病历。它的内容包括纸张病历的所有信息，且相比纸张病历，电子病历还具有为医护人员提供完整的、实时的、随时随地的病人信息访问，以及支持病人在不同医疗机构之间的医疗信息共享等意义。
在电子病历中包含患者的敏感信息，如患者个人信息、病症信息、诊断记录、治疗方案等，这些数据具有潜在的统计分析价值，因而很多机构或个人会在医疗平台上窃取数据信息来进行盈利活动。防止电子病历数据在传输和存储过程中被窃取使用，需对电子病历加密保护。
现有的加密算法，采用同一密钥对数据进行加密保护，这种加密方法主要依赖于密钥信息，一旦这唯一的密钥信息泄露，就会导致病人全部信息被公开；同时现有的加密方法，没有考虑数据的统计特征和易暴露情况，均采用统一复杂的加密方法，因而无法兼顾加密效率和数据安全性。
发明内容
为了解决上述技术问题，本发明提供一种数字化医院电子病历智能加密方法，所述方法包括：
获取检查图像、检查时间、主治医师姓名和科室编号；
利用检查时间生成时间矩阵，利用主治医师姓名和科室编码生成密钥影响矩阵，将时间矩阵和密钥影响矩阵相乘得到密钥矩阵，利用密钥矩阵对检查图像进行一次加密得到初始密文图像；将初始密文图像拆分得到多个图像块，计算各图像块的计数盒维数，计算图像块中的各像素与其他像素的关联性，根据各图像块的计数盒维数和图像块中各像素与其他像素的关联度得到各图像块的混乱程度，依据图像块的混乱程度的大小，利用密钥矩阵对图像快进行多次加密得到最终密文图像。
优选的，所述利用检查时间生成时间矩阵，包括的具体步骤为：
检查时间包含日期序列和时刻序列，其中时刻序列中包含小时、分钟、秒三组数据；
将检查时间规制为时间矩阵：
其中，表示日期序列的第i个数字，i=1,2,3,4,5,6,7,8，/>表示时刻序列的第z组数据，z=1，2，3，mod表示取余计算函数，T表示时间矩阵。
优选的，所述利用主治医师姓名和科室编码生成密钥影响矩阵，包括的具体步骤为：
根据主治医师姓名和科室编号得到密钥影响序列：
其中，K表示科室编号，Bin()表示二进制转化函数；表示主治医师姓名中的第n个字符；n为主治医师姓名的字符长度，ASCII()表示利用ASCII表进行编码转换；/>为二进制数异或运算；&为二进制数的与运算，X表示密钥影响序列；
将密钥影响序列规置为密钥影响矩阵：
其中，表示密钥影响序列中的第j个元素，j=1，2，3，4，5，6，7，8，J表示密钥影响矩阵。
优选的，所述利用密钥矩阵对检查图像进行一次加密得到初始密文图像，包括的具体步骤为：
将检查图像划分得到多个窗口图像；
将检查图像中的各窗口图像分别与密钥矩阵作一次相乘运算得到初始密文图像。
优选的，所述将初始密文图像拆分得到多个图像块，包括的具体步骤为：
将初始密文图像进行均匀分割得到多个图像块。
优选的，所述计算图像块中的各像素与其他像素的关联性，包括的具体步骤为：
计算每个图像块中各像素与其他像素的位置关联度；
计算每个图像块中各像素与其他像素的灰度关联度；
将每个图像块中各像素与其他像素的位置关联度和灰度关联度的乘积作为每个图像块中各像素与其他像素的关联度。
优选的，所述计算每个图像块中各像素与其他像素的位置关联度，包括的具体步骤为：
其中，c,d分别表示图像块中像素所处的行数和列数,p,q分别表示图像块中像素所处的行数和列数,b表示图像块的边长，图像块中(c,d)处像素与其他像素的位置关联度，exp()表示以自然常数为底的指数函数。
优选的，所述计算每个图像块中各像素与其他像素的灰度关联度，包括的具体步骤为：
其中，c,d分别表示图像块中像素所处的行数和列数,p,q分别表示图像块中像素所处的行数和列数,b表示图像块的边长，表示图像块中/>处像素的灰度值，表示图像块中/>处像素的灰度值,/>图像块中(c,d)处像素与其他像素的灰度关联度。
优选的，所述根据各图像块的计数盒维数和图像块中各像素与其他像素的关联度得到各图像块的混乱程度，包括的具体步骤为：
各图像块的混乱程度为：
其中，D表示各图像块的计数盒维数，exp()表示以自然常数为底的指数函数，c，d分别表示像素所处的行数和列数，表示图像块中(c,d)处像素与其他像素的关联度，b表示图像块的边长，/>表示图像块中灰度值的方差值，/>表示各图像块的混乱程度。
优选的，所述依据图像块的混乱程度的大小，利用密钥矩阵对图像快进行多次加密得到最终密文图像，包括的具体步骤为：
判断初始密文图像中各图像块的混乱程度是否大于预设混乱程度阈值，当图像块的混乱程度大于预设混乱程度阈值时，无需对图像块进行再次加密处理，当图像块的混乱程度小于等于预设混乱程度阈值时，需要对图像块进行再次加密，直至各图像块的混乱程度大于预设阈值，当初始密文图像中所有图像块的混乱程度均大于预设混乱程度阈值时，所得到的密文图像即为最终密文图像。
本发明实施例至少具有如下有益效果：首先利用与检查图像相关信息为每张检查图像生成密钥矩阵，为每张检查图像赋予唯一的一个密钥矩阵，从而有效防止解密者以密钥信息为突破口破解出检查图像信息；然后通过对每次加密后的各区域的混乱情况进行分析，来对检查图像中各区域进行加密控制，从而使得最终获得的加密图像足够混乱，有效降低检查图像的密文图像被破解的概率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明提供的一种数字化医院电子病历智能加密方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种数字化医院电子病历智能加密方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种数字化医院电子病历智能加密方法的具体方案。
请参阅图1，其示出了本发明的一个实施例提供的一种数字化医院电子病历智能加密方法的步骤流程图，该方法包括以下步骤：
步骤S001，获取检查图像以及检查图像相关信息。
本实施例主要是对电子病历中的检查图像进行加密，而检查图像加密所用的密钥需要由该检查图像的相关信息生成，因此需要在医疗系统中获取电子病历中的检查图像以及与检查图像相关信息，检查图像相关信息包括检查时间、科室编号、主治医师姓名等相关信息。
步骤S002，根据检查图像相关信息得到密钥矩阵，利用密钥矩阵对检查图像进行一次加密得到初始密文图像。
现有的加密算法，一般采用同一密钥对数据进行加密保护，这种加密方法主要依赖于密钥信息，一旦这唯一的密钥信息泄露，就会导致病人全部信息被公开。为了防止所有检查图像均采用同一密钥，因而需结合各检查图像的相关信息来为各检查图像生成唯一的密钥矩阵，从而增加密钥的复杂度，提高加密的安全性。
根据检查图像相关信息生成密钥矩阵：
（1）利用检查时间得到时间矩阵：
检查时间一般包含日期序列和时刻序列，其显示格式一般为XXXX.XX.XX;XX:XX:XX，例如2023.07.11;15:24:53，其中2023.07.11为日期序列，15:24:53为时刻序列。将检查时间规制为时间矩阵：
其中，表示日期序列的第i个数字，i取/>，例如日期序列2023.07.11中第5个数据为0，/>表示时刻序列的第z组数据,z取/>，时刻序列中第1组数据表示小时，第2组数据表示分钟，第3组数据表示秒，mod表示取余计算函数，T表示时间矩阵。
例如将检查时间2023.07.11;15:24:53规制为时间矩阵为：
（2）利用医生和科室信息生成密钥影响矩阵：
对主治医师和检查科室编号进行二进制化融合处理，得到一个8位的密钥影响序列：
其中，K表示检查科室编号，Bin()表示二进制转化函数，实现将数据从十进制转化为二进制；表示主治医师姓名中的第n个字符；n为主治医师的姓名的字符长度，ASCII()表示利用ASCII表进行编码转换；/>为二进制数异或运算；&为二进制数的与运算，X表示密钥影响序列。
将密钥影响序列进行规置为密钥影响矩阵：
其中，表示密钥影响序列中的第j个元素，j取/>，J表示密钥影响矩阵。
（3）利用时间矩阵和密钥影响矩阵得到密钥矩阵：
将时间矩阵T与密钥影响矩阵J作相乘计算得到密钥矩阵。
至此，根据检查图像的相关信息为该检查图像生成了唯一的密钥矩阵。
利用密钥矩阵对检查图像进行一次加密得到初始密文图像：
从上到下、从左到右将检查图像均匀划分成若干个a*a的窗口图像，本实施例以a取3为例进行叙述，其他实施例中可以取其他值，本实施例不进行具体限制。需要说明的是：当分割出的最后一个窗口图像不满足尺寸要求时，将通过末尾补零的方式进行图像尺寸扩充。
将检查图像中的各窗口图像分别与密钥矩阵作一次相乘运算，得到初始密文图像。
至此，对检查图像进行一次加密处理得到初始密文图像，在进行加密时，根据检查图像相关信息为检查图像生成唯一的一个密钥矩阵，利用密钥矩阵来实现对检查图像的加密处理。
步骤S003，根据初始密文图像得到多个图像块，计算各图像块的计数盒维数，计算图像块内各像素与其他像素的关联度，根据图像块的计数盒维数和各像素与其他像素的关联度得到图像块的混乱程度，根据各图像块的混乱程度来进行加密控制得到最终密文图像。
由于检查图像中各区域的信息规律性不同，有些图像区域规律性较差，只有一次加密就能较好的隐藏信息，而有些图像区域规律性较强，一次加密无法掩盖图像中的信息。因而需要分析加密后的检查图像各区域的混乱情况来判断各区域图像是否需要进一步加密处理，进而根据检查图像各区域的混乱情况来进行加密控制。具体实现过程如下：
1、从上到下、从左到右，将初始密文图像均匀划分成若干个b*b的图像块，本实施例以b取9为例进行叙述，其他实施例中可以取其他值，本实施例不进行具体限制。需要说明的是当最后分割的图像块的尺寸不满足尺寸要求时，通过末尾补零的方式对图像块进行尺寸扩充。
2、获取各图像块的计数盒维数D，所述图像的计数盒维数计算方法为常规技术，此处不再进行赘述。
计算各图像块的混乱程度：
(1)计算图像块内各像素与其他各像素的关联度：
其中，c,d分别表示图像块中像素所处的行数和列数,p,q分别表示图像块中像素所处的行数和列数,b表示图像块的边长，表示图像块中(c,d)处像素与其他像素的关联度，exp()表示以自然常数为底的指数函数，/>表示图像块中/>处像素与其他像素的位置关联度，将图像块中/>处像素与其他像素的位置关联度记为/>，其通过图像块中/>处像素与其他像素之间的位置差异情况来反映位置关联度，图像块中/>处像素与其他像素之间的位置差异越小，说明图像块中该像素与其他像素的位置关联性越大，/>表示图像块中/>处像素的灰度值，表示图像块中/>处像素的灰度值，/>表示图像块中/>处像素与其他像素的灰度关联度，将图像块中/>处像素与其他像素的灰度关联度记为/>，其通过图像块中/>处像素与其他像素之间的灰度差异情况来反映灰度关联度，图像块中/>处像素与其他像素之间的灰度差异越小，说明图像块中该像素与其他像素的灰度关联性越大。
(2)计算各图像块的混乱程度：
其中，D表示各图像块的计数盒维数，该值越大说明图像块内相似性区域越小，因而其规律性越小，混乱程度越大，exp()表示以自然常数为底的指数函数，表示图像块中(c,d)处像素与其他像素的关联度，/>反映了图像块中像素之间的关联度，该值越大说明像素之间的关联度越大，因而图像块的混乱程度越小，/>表示图像块中灰度值的方差值，该值越大说明图像块中灰度值差异越大，整个窗口内像素点的分布也就越混乱，/>表示各图像块的混乱程度，b表示图像块的边长。
根据图像块的混乱程度对图像块进行加密控制得到最终密文图像：
判断初始密文图像中各图像块的混乱程度H是否大于预设混乱程度阈值，当图像块的混乱程度H大于预设混乱程度阈值/>时，说明图像块足够混乱，无需对图像块进行再次加密处理，当图像块的混乱程度H小于等于预设混乱程度阈值/>时，说明图像块混乱程度较差，将图像块代替检查图像作为加密处理对象，利用步骤S002中加密方法对图像块进行再次加密，直至各图像块的混乱程度大于预设混乱程度阈值，并记录各图像块的加密次数。本实施例以D取0.5为例来说明，其他实施例可以取其他值，本实施例不进行限制。当再次加密后的初始密文图像中所有图像块的混乱程度均大于预设混乱程度阈值时，将在该再次加密后的初始密文图像作为最终密文图像。
至此，完成对初始密文图像的加密控制得到最终密文图像，在对初始密文图像进行加密控制时，通过对初始密文图像各区域进行混乱程度评估，根据各区域的混乱程度情况来控制加密次数，进而使得最终密文图像能够足够混乱，不容易被解密。
步骤S004，对最终密文图像进行解密处理得到检查图像。
将最终密文图像、检查图像相关信息和各图像块的加密次数存储在数据库中，解密者可在必要时对最终密文图像进行解密处理得到检查图像。
综上所述，本发明实施例提供了一种数字化医院电子病历智能加密方法，首先利用与检查图像相关信息为每张检查图像生成密钥矩阵，为每张检查图像赋予唯一的一个密钥矩阵，从而有效防止解密者以密钥信息为突破口破解出检查图像信息；然后通过对每次加密后的各区域的混乱情况进行分析，来对检查图像中各区域进行加密控制，从而使得最终获得的加密图像足够混乱，有效降低检查图像的密文图像被破解的概率。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种数字化医院电子病历智能加密方法，其特征在于，所述方法包括：
获取检查图像、检查时间、主治医师姓名和科室编号；
利用检查时间生成时间矩阵，利用主治医师姓名和科室编码生成密钥影响矩阵，将时间矩阵和密钥影响矩阵相乘得到密钥矩阵，利用密钥矩阵对检查图像进行一次加密得到初始密文图像；将初始密文图像拆分得到多个图像块，计算各图像块的计数盒维数，计算图像块中的各像素与其他像素的关联性，根据各图像块的计数盒维数和图像块中各像素与其他像素的关联度得到各图像块的混乱程度，依据图像块的混乱程度的大小，利用密钥矩阵对图像快进行多次加密得到最终密文图像；
所述利用检查时间生成时间矩阵，包括的具体步骤为：
检查时间包含日期序列和时刻序列，其中时刻序列中包含小时、分钟、秒三组数据；
将检查时间规制为时间矩阵：
其中，表示日期序列的第i个数字，i=1,2,3,4,5,6,7,8，/>表示时刻序列的第z组数据，z=1，2，3，mod表示取余计算函数，T表示时间矩阵；
所述利用主治医师姓名和科室编码生成密钥影响矩阵，包括的具体步骤为：
根据主治医师姓名和科室编号得到密钥影响序列：
其中，K表示科室编号，Bin()表示二进制转化函数；表示主治医师姓名中的第n个字符；n为主治医师姓名的字符长度，ASCII()表示利用ASCII表进行编码转换；/>为二进制数异或运算；&为二进制数的与运算，X表示密钥影响序列；
将密钥影响序列规置为密钥影响矩阵：
其中，表示密钥影响序列中的第j个元素，j=1，2，3，4，5，6，7，8，J表示密钥影响矩阵。
2.如权利要求1所述的一种数字化医院电子病历智能加密方法，其特征在于，所述利用密钥矩阵对检查图像进行一次加密得到初始密文图像，包括的具体步骤为：
将检查图像划分得到多个窗口图像；
将检查图像中的各窗口图像分别与密钥矩阵作一次相乘运算得到初始密文图像。
3.如权利要求1所述的一种数字化医院电子病历智能加密方法，其特征在于，所述将初始密文图像拆分得到多个图像块，包括的具体步骤为：
将初始密文图像进行均匀分割得到多个图像块。
4.如权利要求1所述的一种数字化医院电子病历智能加密方法，其特征在于，所述计算图像块中的各像素与其他像素的关联性，包括的具体步骤为：
计算每个图像块中各像素与其他像素的位置关联度；
计算每个图像块中各像素与其他像素的灰度关联度；
将每个图像块中各像素与其他像素的位置关联度和灰度关联度的乘积作为每个图像块中各像素与其他像素的关联度。
5.如权利要求4所述的一种数字化医院电子病历智能加密方法，其特征在于，所述计算每个图像块中各像素与其他像素的位置关联度，包括的具体步骤为：
其中，c,d分别表示图像块中像素所处的行数和列数,p,q分别表示图像块中像素所处的行数和列数,b表示图像块的边长，图像块中(c,d)处像素与其他像素的位置关联度，exp()表示以自然常数为底的指数函数。
6.如权利要求4所述的一种数字化医院电子病历智能加密方法，其特征在于，所述计算每个图像块中各像素与其他像素的灰度关联度，包括的具体步骤为：
其中，c,d分别表示图像块中像素所处的行数和列数,p,q分别表示图像块中像素所处的行数和列数,b表示图像块的边长，表示图像块中/>处像素的灰度值，表示图像块中/>处像素的灰度值,/>图像块中(c,d)处像素与其他像素的灰度关联度。
7.如权利要求1所述的一种数字化医院电子病历智能加密方法，其特征在于，所述根据各图像块的计数盒维数和图像块中各像素与其他像素的关联度得到各图像块的混乱程度，包括的具体步骤为：
各图像块的混乱程度为：
其中，D表示各图像块的计数盒维数，exp()表示以自然常数为底的指数函数，c，d分别表示像素所处的行数和列数，表示图像块中(c,d)处像素与其他像素的关联度，b表示图像块的边长，/>表示图像块中灰度值的方差值，/>表示各图像块的混乱程度。
8.如权利要求1所述的一种数字化医院电子病历智能加密方法，其特征在于，所述依据图像块的混乱程度的大小，利用密钥矩阵对图像快进行多次加密得到最终密文图像，包括的具体步骤为：
判断初始密文图像中各图像块的混乱程度是否大于预设混乱程度阈值，当图像块的混乱程度大于预设混乱程度阈值时，无需对图像块进行再次加密处理，当图像块的混乱程度小于等于预设混乱程度阈值时，需要对图像块进行再次加密，直至各图像块的混乱程度大于预设阈值，当初始密文图像中所有图像块的混乱程度均大于预设混乱程度阈值时，所得到的密文图像即为最终密文图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311160054.XA CN116894261B (zh) | 2023-09-11 | 2023-09-11 | 一种数字化医院电子病历智能加密方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311160054.XA CN116894261B (zh) | 2023-09-11 | 2023-09-11 | 一种数字化医院电子病历智能加密方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116894261A CN116894261A (zh) | 2023-10-17 |
| CN116894261B true CN116894261B (zh) | 2023-12-19 |
Family
ID=88312416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311160054.XA Active CN116894261B (zh) | 2023-09-11 | 2023-09-11 | 一种数字化医院电子病历智能加密方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116894261B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102611558A (zh) * | 2012-04-27 | 2012-07-25 | 西安电子科技大学 | 基于幻方的多人共管电子账户密钥分配和身份认证方法 |
| CN103678975A (zh) * | 2013-12-20 | 2014-03-26 | 大连大学 | 基于混沌系统的身份认证仿真系统 |
| CN111327900A (zh) * | 2020-01-21 | 2020-06-23 | 河南大学 | 基于压缩感知和变形耦合映像格子的彩色图像加密方法 |
| CN112272262A (zh) * | 2020-10-23 | 2021-01-26 | 北京邮电大学 | 一种图像加密、解密方法及装置 |
| CN113641849A (zh) * | 2021-08-18 | 2021-11-12 | 广州佰锐网络科技有限公司 | 一种音视频数据存储方法及系统 |
| CN114978464A (zh) * | 2022-04-29 | 2022-08-30 | 长春理工大学 | 基于dicom信息生成密钥的医学图像选择加密方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8868464B2 (en) * | 2008-02-07 | 2014-10-21 | Google Inc. | Preventing unauthorized modification or skipping of viewing of advertisements within content |
-
2023
- 2023-09-11 CN CN202311160054.XA patent/CN116894261B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102611558A (zh) * | 2012-04-27 | 2012-07-25 | 西安电子科技大学 | 基于幻方的多人共管电子账户密钥分配和身份认证方法 |
| CN103678975A (zh) * | 2013-12-20 | 2014-03-26 | 大连大学 | 基于混沌系统的身份认证仿真系统 |
| CN111327900A (zh) * | 2020-01-21 | 2020-06-23 | 河南大学 | 基于压缩感知和变形耦合映像格子的彩色图像加密方法 |
| CN112272262A (zh) * | 2020-10-23 | 2021-01-26 | 北京邮电大学 | 一种图像加密、解密方法及装置 |
| CN113641849A (zh) * | 2021-08-18 | 2021-11-12 | 广州佰锐网络科技有限公司 | 一种音视频数据存储方法及系统 |
| CN114978464A (zh) * | 2022-04-29 | 2022-08-30 | 长春理工大学 | 基于dicom信息生成密钥的医学图像选择加密方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于区块链的图像数据细粒度安全共享关键技术研究;王晓畅;中国优秀硕士学位论文全文数据库 (信息科技辑)(第2期);I138-898 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116894261A (zh) | 2023-10-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qayyum et al. | Secure and robust machine learning for healthcare: A survey | |
| US10108780B2 (en) | Diagnostic image security system | |
| US11664115B2 (en) | Volumetric imaging technique for medical imaging processing system | |
| US20180129900A1 (en) | Anonymous and Secure Classification Using a Deep Learning Network | |
| CN110875093A (zh) | 治疗方案的处理方法、装置、设备及存储介质 | |
| CN112435755A (zh) | 疾病分析方法、装置、电子设备及存储介质 | |
| Cassa et al. | A novel, privacy-preserving cryptographic approach for sharing sequencing data | |
| CN116959657B (zh) | 一种医疗大数据安全管理系统 | |
| CN116894261B (zh) | 一种数字化医院电子病历智能加密方法 | |
| Kumar et al. | Review paper on Big Data in healthcare informatics | |
| WO2021062310A1 (en) | Utilizing a user's health data stored over a health care network for disease prevention | |
| JP2003005645A (ja) | 暗号方法、暗号システム、暗号化装置、復号化装置及びコンピュータプログラム | |
| CN111105856A (zh) | 一种医疗数据脱敏、关联系统及方法 | |
| CN115914488A (zh) | 医学图像身份混淆共享方法、系统、终端设备及存储介质 | |
| CN115033917A (zh) | 基于隐私保护的医疗数据处理系统 | |
| JP2007179500A (ja) | 匿名化識別情報生成システム、及び、プログラム。 | |
| Soni et al. | AFD and chaotic map‐based integrated approach for ECG compression, steganography and encryption in E‐healthcare paradigm | |
| Sekar et al. | Secure IoT-enabled sharing of digital medical records: An integrated approach with reversible data hiding, symmetric cryptosystem, and IPFS | |
| JP2004318875A (ja) | カルテ画像の読み取り | |
| Moataz | Watermarking medical scans: Saliency filter pixels | |
| Giannakopoulou et al. | A Platform for Health Record Management of the Conscripts in the Hellenic Navy. | |
| CN116612899B (zh) | 基于互联网的心血管外科数据处理方法及服务平台 | |
| CN110781516A (zh) | 一种图像去隐私标注方法 | |
| Soltani et al. | A robust hybrid algorithm for medical image cryptography using patient biometrics based on DNA and RNA computing | |
| CN113434895B (zh) | 文本解密方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |