基于区块链的中医消化领域临床科研一体化数据共享平台的研究与设计

利用区块链和联邦学习等技术,构建基于区块链的中医消化领域临床科研一体化数据共享平台,包括中医消化领域优势病种数据管理系统、中医消化领域优势病种可信联合循证分析联盟链和中医消化领域优势病种可信联合循证分析平台。该方案支持多途径数据采集,包括医院信息管理系统(Hospital Information System, HIS)/医学实验室信息管理系统(Laboratory Information Management System, LIS)/电子病历(Electronic Medical Record, EMR)等业务系统中临床数据定时抽取和手动导入,科研数据经病例报告表(Case Report Form, CRF)手动录入和自动映射等方式;并支持原始数据本地存储,仅将数据索引和数据Hash特征进行共识上链存证;基于RegLang智能合约监管,实现监管规则的数字化、自动化和智能化,保证智能合约的安全性,实现数据安全共享的函数级控制;借助分布式算法实现各节点本地单独计算、汇总结果链上流转等功能,做到“算法多跑路,数据不跑路”,充分保障数据安全与隐私。整个平台架构在数据安全存储和可信计算之上实现了多中心医学研究全场景的解决方案,拥有面向多样化医疗科研场景所需的上层应用能力,如多中心临床研究开展、跨区域专病数据库建设等。临床科研一体化数据共享平台的建立,对促进中医药临床与科研数据多方平等共享、合作共赢提供了有力支撑,为中医药行业快速发展奠定了坚实基础。

融入结构先验知识的隐私信息抽取算法

随着数据脱敏技术的持续进步,精确识别隐私数据已成为关键挑战.目前,隐私信息抽取算法主要基于传统自然语言处理技术,如双向循环神经网络和基于注意力机制的预训练语言模型(如BERT).这些模型利用其强大的上下文特征表示能力,克服了传统方法在多义词表示方面的限制.然而,它们在精确判断实体边界方面仍有改进空间.提出了一种新颖的隐私信息抽取算法,该算法融合结构先验知识,通过一种隐私数据结构知识增强机制,提高模型对句子语义结构的理解,从而提高了隐私信息边界判断的准确性.此外,还在多个公开数据集上对模型进行评估,详细的实验结果展示了其有效性.

RegLang监管合约规则冲突检测方法

RegLang是一种面向监管规则设计的智能合约编程语言,旨在支撑监管规则数字化与合约化,已在金融等领域取得初步应用。然而,在实际应用中,金融监管领域的“适用冲突”“多轨规制”等规则冲突问题可能对区块链金融应用造成严重影响,在增加从业机构合规成本的同时,对监管合约的有效性带来挑战。针对上述问题,提出监管合约变量类型依赖分析方法与基于依赖图的变量类型传播分析方法,推断监管合约中所有变量的可能类型,并根据可满足性模理论求解器支持的符号类型实现监管合约中变量、语句和规则的符号化。基于符号分析的规则冲突检测方法,将监管规则冲突问题转换为可满足性问题,从而检测监管合约中规则的自冲突、完全冲突和局部冲突,并针对多个监管规则间完全冲突检测中的状态空间爆炸问题提出子集划分算法进行优化。实验结果表明,RegLang监管合约规则冲突检测方法可以有效检测各类监管规则冲突,在对代码行数为300行的监管规则进行冲突检测时,自冲突、完全冲突和局部冲突的平均检测耗时分别为1234.9 ms、1977.8 ms和2364.5 ms,在实际应用中是可接受的,能够为实现监管规则数字化提供有效保障。