基于特征挖掘的健康数据安全可信机制研究

To address the security and trust problems during the transmission, storage and application processes of personal healthcare data in open environments, in this project the features of health sensing data from Body Sensor Networks (BSNs) will be fully utilized, and theoretical analyses, experimental analyses and simulation comparison will be well carried out to study feature mining based secure and efficient data compression strategies for BSNs, aiming to propose key embedded compressed sensing algorithms of physiological signals based on the block sparse Bayesian learning theorem with performance demonstration in terms of security and compression, and thus to solve the data-at-rest security problem of cloud-integrated BSNs; and to study the mechanisms of BSN user and data source authentication based on intrinsic dynamic biological traits, aiming to propose a movement-status combined dynamic ECG biometric algorithm based on the Bayesian network theorem with performance demonstration in terms of authentication accuracy, user capacity as well as time space, and a dynamic mechanism of data source authentication based on ECG biometrics to solve the problem of data source authentication for cloud-integrated BSNs. The expected innovative research outputs will provide basic theoretical and key technical support for secure and trusted applications of cloud-integrated BSNs.

本项目针对开放环境中个人健康数据在传输、存储及使用过程中的安全与可信问题，拟充分挖掘健康传感数据特征与关键安全问题的关联性，通过理论分析、科学实验与仿真比较，深入研究基于特征挖掘的躯感网高效安全数据压缩策略，提出适用于躯感网节点的基于块稀疏贝叶斯学习理论并嵌入压缩密钥的多生理信号安全压缩感知算法，验证安全与压缩性能，解决云环境下躯感网健康数据的静态安全问题；深入研究基于内在动态生物体征的躯感网用户识别及云平台数据源认证机制，提出基于贝叶斯网络理论的结合人体运动状况的动态心电信号身份识别优化算法，验证识别精度、用户容量和时间跨度等关键性能，提出云环境下基于心电信号身份识别的数据源动态/静态双认证机制，解决云环境下躯感网健康数据的源认证问题。拟取得的创新性研究成果将为躯感网健康数据在云环境下的安全与可信应用提供基础理论与关键技术支持。

本项目针对开放环境中个人健康档案在存储、传输和应用过程中存在的数据安全与可信问题进行了深入系统的研究，通过对健康生理信号特征分析及其安全数据压缩策略、基于内在动态体征的用户识别及云平台数据源认证机制等内容的研究，在移动健康数据安全方面取得了突破性创新成果，获得自主知识产权，为混合云环境下健康数据安全及其可信应用提供基础理论与关键技术支持。.具体研究了基于人体生理信号结构特征挖掘的安全数据压缩策略，提出适用于躯感网节点的基于块稀疏贝叶斯学习和多元高斯分布检验的生理信号高效安全压缩感知算法，论证其压缩与安全性能。基于特征挖掘的躯感网高效安全数据压缩策略，包括：生理信号信噪比分析、准周期信号降采样，块分割与块内结构建模、基于块稀疏贝叶斯学习的压缩感知算法，压缩感知算法参数筛选、压缩密钥更新机制及性能分析，云平台触发的Huffman编码方案。.构建了时间跨度超过12个月的心电信号数据库，研究了基于贝叶斯网络理论并结合人体运动信息的动态心电信号身份识别算法，验证不同导联心电信号信息量及其与受试个体总量一致性和时间跨度等重要性能，提出混合云环境下基于心电信号身份识别的数据源双认证机制，解决躯感网健康数据源认证问题，为其在混合云环境下的安全应用提供基础理论与关键技术支持。.项目研究进展符合预期，研究计划实施较为顺利，基本取得了预期的研究成果，发表论文10篇，其中SCI/EI检索论文5篇，国际会议口头报告2次，授权发明专利3项，申请发明专利2项，获得软件著作权7项，培养硕士研究生5人，课题组教师职称晋升3人。