考虑隐私重要程度的医疗信息分级加密算法

为增强病人隐私信息安全系数,降低数据泄露风险,在考虑隐私重要程度前提下,提出一种基于混沌细胞神经网络和小波变换的海量医疗信息分级加密算法。利用分词匹配度和权值匹配度计算医疗信息词语重复率,剔除海量信息中相似数据,降低后续信息加密工作量。使用医疗重要性、访问次数、数据大小等分级评估数据隐私重要度,通过数据属性区分医疗文字信息与图像信息。运用细胞神经网络的混沌特征,将原始医疗信息转换为参数矩阵。运用Logistic映射得到密钥混沌序列,输出一次加密后的医疗文字信息,使用小波变换时域分析图像信号达到二次加密,融合二次加密结果完成医疗信息分级加密。实验结果证明,所提算法具有加密效果好、执行速率快、安全系数高等优势,是面向医疗信息安全储存的适宜方案。