Un marco híbrido de encriptación ECC-AES para una protección de datos segura y eficiente basada en la nube

Área de la Ciencia:

• Seguridad de la atención sanitaria digital
• Los marcos criptográficos
• Privacidad de datos en medicina

Sus antecedentes:

• La seguridad de los datos sensibles de salud mental en la asistencia sanitaria digital es un desafío importante.
• Los métodos de cifrado existentes presentan ineficiencias en velocidad y sobrecarga computacional.
• Existe la necesidad de soluciones de encriptación robustas y eficientes para las aplicaciones de atención médica basadas en la nube.

Objetivo del estudio:

• Introducir SymECipher, un nuevo marco de cifrado híbrido para los datos digitales de salud mental.
• Evaluar el rendimiento de SymECipher en comparación con los modelos de cifrado convencionales.
• Demostrar la idoneidad del marco para aplicaciones seguras de atención médica basadas en la nube y análisis de datos que preserven la privacidad.

Principales métodos:

• Integración de la criptografía de curva elíptica (ECC) para el intercambio de claves y el estándar de cifrado avanzado (AES) para el cifrado de datos.
• Desarrollo de módulos de usuario, médico y de nube para la gestión de registros de pacientes y recomendaciones de tratamiento.
• Implementación de la detección de depresión basada en el aprendizaje automático (ML) dentro del marco encriptado.

Principales resultados:

• SymECCipher logró tiempos de cifrado (5ms) y descifrado (4ms) significativamente más bajos en comparación con RSA-2048 y AES-256.
• El marco demostró un alto rendimiento de 1000 Mbps, garantizando un manejo eficiente de los datos.
• El análisis estadístico confirmó una reducción del 25-40% en los gastos generales computacionales, mostrando un rendimiento superior.

Conclusiones:

• SymECCipher proporciona una solución escalable, resistente a la tecnología cuántica y compatible con la cadena de bloques para la seguridad de los datos digitales de salud mental.
• El marco mejora la eficiencia del almacenamiento y la recuperación de datos médicos en tiempo real.
• SymECCipher muestra potencial para el despliegue de atención médica a gran escala, incluida la integración con ML para el análisis de preservación de la privacidad.