(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210715787.4 (22)申请日 2022.06.22 (71)申请人 浙江树人 学院 地址 312030 浙江省绍兴 市柯桥区杨汛桥 镇江夏路2016号 (72)发明人 陈友荣　黄家煊　王章权　缪克雷　 吕晓雯　刘半藤　王柯　 (74)专利代理 机构 浙江侨悦专利代理有限公司 33470 专利代理师 居延娟 (51)Int.Cl. G06F 21/62(2013.01) G06F 21/64(2013.01) G06K 9/62(2022.01) G06N 7/08(2006.01) (54)发明名称 基于猫鼬优化的动态多维医疗隐私数据保 护方法及系统 (57)摘要 本发明提供了一种基于猫鼬优化的动态多 维医疗隐私数据保护方法及系统， 包括： 读取原 始多维医疗数据表， 进行参数初始化操作； 进行 数据预处理； 基于信息损失量和平均医疗敏感属 性数据差异值度量的等价类划分； 数据泛化和匿 名数据重发布， 解决了 现有技术侧重于研究能够 抵御推理攻击的静态K匿名算法， 但是在实际匿 名过程中一张医疗数据表存在数据添加、 删除和 修改等动态更新过程， 静态K匿名算法没有考虑 医疗数据表的动态更新， 较难直接应用到动态多 维医疗数据的医疗信息发布中断的问题。 权利要求书4页 说明书9页 附图2页 CN 115168891 A 2022.10.11 CN 115168891 A 1.一种基于 猫鼬优化的动态多维医疗隐私数据保护方法， 其特 征在于， 包括： 读取原始多维医疗数据表， 进行参数初始化操作； 进行数据预处 理； 基于信息损失量和平均医疗敏感属性数据差异值度量的等 价类划分； 数据泛化和匿名数据重发布。 2.根据权利要求1所述的一种基于猫鼬优化的动态多维医疗隐私数据保护方法， 其特 征在于， 所述参数初始 化操作， 包括： 初始 化当前迭代次数it ＝1， 最大迭代次数Maxit， 分类 数K， 参数L， 最大信息损失量Maxloss， 最小敏感属性数据差异值Minsadv， 解决方案计数 count(cs)＝0(cs＝0,1, …,m)。 3.根据权利要求1所述的一种基于猫鼬优化的动态多维医疗隐私数据保护方法， 其特 征在于， 所述进行 数据预处 理， 包括： 判断当前 数据表是否已经 执行过匿名操作； 若无， 则删除多维医疗数据表中数据不完整的多维医疗记录和所有患 者的医疗标识符 属性数据， 计算任意两条多维医疗记录之间的医疗敏感属性数据距离； 若有， 则判断当前多维医疗数据表是否存在增加、 删除、 修改等更新操作； 若当前多维 医疗数据表进行多维医疗记录删除操作， 则找到删除的记录所对应的等价类， 随机复制该 等价类中的医疗记录， 确保所有等价类中均包含k条多维医疗记录数量， 且满足等价类划分 的约束条件， 若当前多维医疗数据表进行多维医疗记录添加操作， 则计算新添加的多维医 疗记录添加到当前与其医疗准标识符属性距离最短的等 价类中； 若当前多维医疗数据表没有变化， 直接发布其对应的多维医疗匿名数据表,等待接收 需要匿名的多维医疗数据表。 4.根据权利要求3所述的一种基于猫鼬优化的动态多维医疗隐私数据保护方法， 其特 征在于,所述判断当前数据 表是否已经执行过匿名操作； 若 无， 则删除多维医疗 数据表中数 据不完整的多维医疗记录和所有患者的医疗标识符属性数据， 计算任意两条多维医疗记录 之间的医疗敏感属 性数据距离； 还包括： 删除多维医疗数据表中数据不完整的多维医疗记 录和所有患者的医疗标识符属性数据， 计算任意两条多维医疗记录之 间的医疗敏感属性数 据距离。 5.根据权利要求4所述的一种基于猫鼬优化的动态多维医疗隐私数据保护方法， 其特 征在于， 所述删除多维医疗数据 表中数据不完整的多维医疗记录和所有患者的医疗标识符 属性数据， 计算任意两条多维医疗记录之间的医疗敏感属性数据距离， 包括： 通过公式(1)计算任意两条多维医疗记录之间的医疗敏感属性数据距离； 其中， ri表示第i条多维医疗记录， rj表示第j条多维医疗记录， DistSA(ri,rj)表示第i条 与第j条多 维医疗记录的敏感属性数据距离， 表示第i条医疗记录中第l个数值型敏感 属性值， 第j条医疗记录中第l个数值型敏感属性值， 表示第i条与第j条 医疗记录中第l个数值型敏感属性数据差的绝对值， n表 示多维医疗记录的数量， a表示数值权　利　要　求　书 1/4 页 2 CN 115168891 A 2型医疗敏感属性的个数， 表示第i条多维医疗记录中第l个类别型敏感属性数据， 表示第j条多维医疗记录中第l个类别型敏感属性数据， 表示第i条 与第j条多维医疗记录中第l个类别型敏感属性数据的最低公共祖先节 点高度， h(H)表 示当 前类别型属性的总高度， b表示类别型医疗敏感属性的个数。 6.根据权利要求5所述的一种基于猫鼬优化的动态多维医疗隐私数据保护方法， 其特 征在于， 所述数据预处理还包括： 结合多维医疗数据表中的敏感属性个数sas确定维度o的 大小， 构建搜索空间， 获得m个解决方案并完成m个解决方案的初始 化， 在搜索空间内通过公 式(2)生成解决方案x中单个簇中心c enter＝{csa1,…,csasi,…,csasas}， 并重复K次获得最 终解决方案x＝{center1,center2,…,centerK}， 其中centerK表示第K个簇中心， 以此可产 生m个解决方案， 并组成解决方案矩阵X＝{x1,x2,...,xm}； csasi＝rsasi×(upsa‑dnsa)+dnsa                (2) 其中， csasi表示当前簇中心的第si个医疗敏感数据， upsa表示当前属 性的最大敏感数 据， dnsa表示当前属性的最小敏感数据， rsasi表示第si个帐篷混沌映射随机数， 可表示 为： 其中， 表示0到1之间的随机数， α 表示0 到1之间的固定参数。 7.根据权利要求6所述的一种基于猫鼬优化的动态多维医疗隐私数据保护方法， 其特 征在于， 所述数据预 处理还包括： 计算每一个解决方案的适应度值， 判断当前迭代次数it是 否大于最大迭代次数Maxit， 如果为是， 选择适应度最大的解决方案作为最佳簇中心解决方 案进行等 价类划分； 所述计算每一个解决方案的适应度值 通过公式(4)计算： 其中， it表示当前迭代 次数， fcs(it)表示当前迭代中第cs个解决方案的适应度值， k表 示簇的个数， Dist(rj,cq)表示第j条多维医疗记录 到第q个簇中心cq的医疗敏感数据距离 。 8.根据权利要求7所述的一种基于猫鼬优化的动态多维医疗隐私数据保护方法， 其特 征在于， 还包括： 若当前迭代次数it小于最大迭代次数Maxit， 执行以下内容m次： 通过公式 (5)计算每个解决方案被选中的概率， 通过轮盘赌的方法从 中随机选择一个解决方案c s， 并 通过公式(6)计算新的簇中心解决方案cs， 判断新的解决方案适应度值是否小于计算前的 解决方案适应度值， 如果为是， 更新解决方案cs， 否则不更新解决方案， 当前解决方案计数 count(cs)加1； 权　利　要　求　书 2/4 页 3 CN 115168891 A 3