量子安全的数字双胞胎身份验证用于医疗保健系统中ML驱动的早期疾病检测
IEEE journal of biomedical and health informatics
|February 24, 2026
概括
这项研究引入了一种安全的数字双胞胎框架,用于基于机器学习的疾病检测,增强患者隐私和实时健康监测. 一种抗量子身份验证方法可以确保数据安全,防止潜在的威胁.
科学领域:
- 医疗保健技术 医疗保健技术 医疗保健技术
- 医学中的人工智能
- 医疗保健中的网络安全
背景情况:
- 像疾病检测和患者监测这样的智能医疗保健服务面临着重大的隐私和安全挑战.
- 敏感的健康数据需要在不断发展的数字医疗生态系统中得到强有力的保护.
研究的目的:
- 提出一个安全的数字双胞胎启用机器学习 (ML) 框架用于疾病检测.
- 增强患者隐私,并实现安全的实时健康数据同步和风险识别.
主要方法:
- 开发了一个数字双胞胎框架,将基于ML的疾病检测与保护隐私的环境集成在一起.
- 实施了基于晶格的认证方案,以应对量子威胁.
- 进行实验以评估身份验证和ML检测的稳定性,包括白盒攻击模拟.
主要成果:
- 拟议的框架使实时患者数据能够安全地同步到数字双胞胎以进行健康监测.
- 实验结果验证了基于格子的认证和ML疾病检测的稳定性.
- 白盒攻击实验凸显了对安全数据管道的关键需求,以防止模型崩.
结论:
- 一个安全的数字双胞胎框架与抗量子认证是有效的基于ML的疾病检测.
- 确保从收集到处理的数据管道安全对于保持模型完整性和患者数据保护至关重要.
