通过深度神经架构在连接的运输系统中为移动医疗保健服务提供量子抗性隐私保护
IEEE journal of biomedical and health informatics
|September 19, 2025
概括
这项研究引入了一种量子抗性框架,用于在联网汽车中提供安全的移动医疗保健. 它使用基于格子的加密和深度学习来保护患者数据免受量子威胁,并有效地检测网络入侵.
科学领域:
- 网络安全 网络安全
- 量子计算是一种量子计算.
- 移动医疗服务 移动医疗服务
- 智能运输系统 智能运输系统
背景情况:
- 互联运输和实时医疗保健创造了新的安全挑战.
- 量子计算机威胁到传统的加密,冒着敏感医疗数据保密的风险.
- 现有的系统缺乏对未来量子攻击的强有力的保护.
研究的目的:
- 为车辆网络中的移动医疗保健提出一个量子抗性隐私保护框架.
- 为了确保患者数据的保密性,免受量子对手的攻击.
- 加强网络安全和在连接的医疗保健系统中检测异常.
主要方法:
- 杆基于格子的加密技术,特别是带错误的环学习 (Ring-LWE),用于强大的加密和密钥管理.
- 开发了一个深度神经网络,用于异常检测的卷积和注意模块.
- 进行了全面的实验,以评估加密开销,入侵检测和系统性能.
主要成果:
- 拟议的框架确保患者数据不受量子攻击的影响.
- 在检测广泛的网络攻击方面实现了高精度 (超过95%).
- 维持在高流量城市网络中的医疗数据传输端到端延迟低于100毫秒.
结论:
- 将后量子密码学与深度学习相结合,为保护时间敏感的医疗应用提供了可行的解决方案.
- 该框架有效地保护下一代智能运输系统中的敏感医疗数据.
- 该方法解决了医疗保健和互联移动的融合中的关键安全和隐私挑战.
