【摘 要】
：
智能手环,手表等设备的出现改变了现有的医疗系统,这些设备会收集用户健康数据,由专门的应用程序进行分析并给出对应的医疗建议。这种由移动监控设备提供医疗服务,称为移动医疗（Mobile healthcare,m Health）。m Health存在严重的安全和隐私风险,监控设备与智能手机通过蓝牙连接时,并不与特定的m Health应用程序进行绑定,恶意应用程序可能进行数据窃取、恶意数据注入攻击。区块链
论文部分内容阅读
智能手环,手表等设备的出现改变了现有的医疗系统,这些设备会收集用户健康数据,由专门的应用程序进行分析并给出对应的医疗建议。这种由移动监控设备提供医疗服务,称为移动医疗（Mobile healthcare,m Health）。m Health存在严重的安全和隐私风险,监控设备与智能手机通过蓝牙连接时,并不与特定的m Health应用程序进行绑定,恶意应用程序可能进行数据窃取、恶意数据注入攻击。区块链流行两种余额模型:账户模型、未花费的交易输出（Unspent Transaction Output,UTXO）模型。区块链账户模型只有一个地址/账户,但是账户模型在转移个人资金的同时,需要更新相关账户的余额,这就会增加用户隐私保护难度。针对用户数据的隐私问题,在传统医疗系统模型上引入了区块链和零知识证明技术,创新点如下:1.针对移动医疗隐私数据保护的问题,首先,提出了一个基于非交互式零知识证明的认证方案,该方案可以在消耗最少的资源下验证数据的真实性,并确保合法设备只与特定m Health应用程序进行交互。其次,为了保护医疗系统中患者的隐私数据,使用区块链和IPFS解决了用户数据存储、管理和共享的问题。最后,提出了一个具有细粒度访问控制的系统,通过基于属性的加密方法,用户能够对健康数据进行安全的传输,存储和共享,并提供端到端的隐私保护。实验结果表明该模型能在消耗最少的资源下保护移动医疗数据的隐私性。2.针对区块链账户模型用户隐私信息保护的问题,提出了一种基于零知识证明的双余额模型,该模型将账户余额分成明文余额和零知识余额。本文利用零知识证明和区块链技术掩盖交易双方的关系。首先,发送方向接收方发送零知识余额,同时,将资金转移承诺上传到区块链的默克尔树中（Merkle tree,MT）,每笔交易中都会添加一串序列号来防止双花攻击;其次,接收方进行收款操作,将MT中的资金转移承诺存入到自己的账户中;最后,在上链过程中,矿工验证每笔交易里的零知识证明真实性,从而更新相应的账户。实验结果表明该模型能保护账户模型用户隐私信息。
其他文献
混沌是确定性系统中的不确定现象,能够用来产生大量随机性优良的序列,因此被广泛地应用在各种信息安全领域。而随着大数据时代的到来,各行各业每天都会产生大量的隐私信息,而图像作为与文本不同的信息载体,具有冗余性高、相关性大、数据量多等特点,更是信息安全领域的研究重点。为了解决现有图像加密算法存在的加密效率低、安全性不够高等问题,本文从高维混沌和低维混沌入手,提出了两种基于混沌理论的图像加密算法。（1）提
将大脑磁共振图像（Magnetic Resonance Imaging,MRI）分割为脑脊液（Cerebrospinal Fluid,CSF）、灰质（Gray Matter,GM）和白质（White Matter,WM）,然后对脑组织进行定量分析是脑疾病诊断中至关重要的一步。由于医学图像公开数据集少,数据集图像质量参差不齐,图像的自动化分割是一个较大的挑战。近年来深度学习的算法在医学图像分割领域取
文字效果图像广泛存在于互联网的各个角落,在诸如海报和广告设计等许多视觉创作任务中是广泛需要的。然而,在真实的项目中,针对一个字体设计完整的文字效果图像是一项费力耗时的任务,因此利用计算机自动生成文字效果图像的方法被迫切需要。随着深度学习相关技术的发展,图像风格迁移逐渐成为目前热门的研究方向。文字效果图像风格迁移旨在以参考图像的风格去渲染文字。对目前现有的文字效果图像风格迁移算法进行分析,针对当前算
目前高动态范围（HDR）成像技术已普遍应用于各种商业影像行业以及个人手机设备中,其可以获得纹理清晰、颜色信息丰富的图像。使用多曝光图像融合（MEF）方法获得HDR图像是一种有效的手段,大多数多曝光图像融合方法只能在静态场景下取得令人满意的结果,忽视了大部分场景中存在物体运动,这就导致融合结果中存在重影伪影（GA）问题。目前大部分多曝光融合方法去除鬼影重影问题都以牺牲纹理细节为代价。因此本文针对动态
当前,行人重识别方法对构建智能城市发挥了巨大作用。行人重识别是指通过从多个不重叠的摄像头拍摄到场景下再次检索到指定行人的方法。由于行人重识别方法应用在复杂的无约束场景下,面临了背景干扰、光线变化、遮挡等问题。其中,本文针对背景干扰的问题,采用了注意力机制模块用于增强行人前景部分特征,抑制背景信息的影响,同时结合特征张量分割方法对注意力增强后的特征进行分割来引入指定区域局部特征信息,最终提高模型性能
图像因为直观、信息量丰富的特点,在现实生活中得到广泛应用。但在现实场景中,经常会出现弱光、逆光和不均匀光照的情况,在这种场景下获得的图像有低亮度、低对比度、狭窄的灰度范围特点,同时伴有噪声和失真的现象,也被称为低照度图像。这类图像不容易直观地获取信息,也对后续高级计算机任务精准完成产生一定阻碍。针对低照度图像增强任务,研究学者提出了众多算法,增强后图像质量在不断提高;但就如何改善低照度图像亮度和对
＜正＞1952年，中国人民解放军步兵第99师295团在修建长春第一汽车制造厂后，脱下军装整体改制，一路辗转，最终扎根在四川省德阳市，成为今天的四川四建。前不久，笔者有幸参加了四川四建的建司70周年庆典，并借这个机缘看到很多珍贵的历史影像，又因为工作原因，特别留心了当时的安全防护用品，印象最深的是前辈们头顶的安全帽。尽管很多照片已十分模糊，但我们仍可以清楚地辨识出他们头顶上的藤条安全帽。据说，这种“
互联网技术的高速发展的今天,越来越多的人们学习、工作、生活在互联网上,这些行为通常以大数据的方式被各大公司记录并使用。然而,其中涉及到用户个人隐私数据的部分往往遭到滥用,甚至越来越多的用户个人隐私被泄露或贩卖,用户的个人安全遭遇前所未有的威胁。针对以上问题,本文开展了如下的工作:首先,分析总结当前个人隐私数据保护措施。当下,传统的针对个人隐私数据保护的方法一般是将数据存储到中心化的数据库或云上。此
人脸表情识别（Facial Expression Recognition,FER）通过让机器智能理解人类行为已广泛应用于各个领域。随着FER的应用越来越广,许多的挑战也接踵而至。首当其冲的是来自表情显著区域,其纹理特征容易受到表情动荡变化的影响,从而导致特征鲁棒性不足。其次,在真实场景中,FER技术面临着人脸图像处于大姿态下的问题,会极大程度影响识别精度。除此之外,随着深度网络在真实场景中的应用越
近年来,复述识别任务获得了前所未有的关注,其具体表现为判断两段文本之间是否存在复述关系。随着复述识别任务的研究深入,已在信息检索、抄袭检测、机器翻译、自动问答等领域取得广泛应用。目前,基于深度学习的复述识别模型已经取得一定的成果,而通过多方面特征提取和引入外部知识的方式增强文本语义,可进一步提升复述识别模型的性能。因此,本文开展了如下研究:1.本文提出了一种融合多粒度与多通道特征的复述识别模型,该