基于全同态加密与零知识证明的医疗物联网可验证隐私数据分析框架MedGuard

《Scientific Reports》：Scalable privacy-preserving data analytics for IoMT via FHE and zk-SNARK-enabled edge aggregation

为解决医疗物联网(IoMT)中敏感生理数据聚合面临的隐私泄露、聚合器不当行为及计算不可验证等挑战，研究人员开展了名为MedGuard的隐私保护数据分析框架研究。该框架创新性地融合全同态加密(FHE)和零知识简洁非交互式知识论证(zk-SNARKs)，实现在加密数据上直接执行复杂分析查询（如异常检测、趋势预测），并通过密码学证明确保计算正确性。实验表明，MedGuard在千级设备规模下将端到端延迟降至64.8毫秒，通信效率达1.465 GB/s，且安全强度提升至2-144，为下一代智能医疗系统提供了可扩展、可验证的隐私保护分析方案。

　　

随着可穿戴设备和植入式医疗传感器的普及，医疗物联网(IoMT)正重塑现代医疗保健模式，通过持续收集心率、血糖、血氧饱和度等敏感生理数据，实现实时健康监测和智能临床决策。然而，这种数据聚合范式面临严峻挑战：传统加密方法无法支持在密文上直接进行计算，导致数据分析时必须解密数据，存在隐私泄露风险；边缘节点可能被恶意操控，篡改聚合结果（如将平均心率从78次/分伪造为100次/分）而无法被检测；现有方案难以同时满足动态查询支持（如方差计算、移动平均值）和资源受限设备的效率要求。为解决这些痛点，Soufiane Ben Othman和Nahom Mihret在《Scientific Reports》发表研究，提出MedGuard——一个端到端安全的IoMT数据聚合框架。

研究团队通过三项核心技术方法构建MedGuard系统：首先，采用基于CKKS方案的全同态加密(FHE)，在多项式环R_q=Z_q[X]/(X^N+1)（参数N=2¹⁴, q=2⁴⁰⁰）上实现加密数据的算术运算，支持对编码为整数多项式的心率、血糖值等直接进行求和、平均值及方差计算；其次，集成Groth16零知识简洁非交互式知识论证(zk-SNARKs)，边缘节点生成192字节的聚合正确性证明，云端通过3次双线性配对即可验证，基于q-强迪菲-赫尔曼(q-SDH)和指数知识(KEA)假设确保计算完整性；最后，设计分层架构（设备层-边缘层-云层），千台IoMT设备通过4G/5G链路（10 Mbps带宽）将加密数据包P_i=(c_i, Meta_i)传输至百个边缘节点，边缘完成区域聚合后，将结果c_agg,j及证明π_j经光纤（1 Gbps）提交至云服务器进行全局分析与存储。实验使用OMNeT++ 6.0.1模拟环境，结合真实世界Healful数据集和高斯混合模型(GMM)生成的合成数据验证性能。

系统架构与工作流程

MedGuard采用三层分布式设计：设备层负责采集生理数据并加密；边缘层执行同态聚合和zk-SNARK证明生成；云层进行全局查询和验证。该架构通过将计算负载分散至边缘节点，减少云依赖，提升系统可扩展性。

安全性能分析

在对抗模型中，MedGuard实现2^-144安全级别：窃听攻击被FHE（基于环学习误差问题RLWE）、TLS 1.3（AES-256-GCM）和密文策略属性基加密(CP-ABE)三层防护；数据篡改通过AES-GCM消息认证码(SHA-256)和FHE噪声溢出检测抑制；聚合器不当行为由zk-SNARK验证机制遏制，无效证明接受概率≤2^-128；重放攻击通过96位随机数和时间戳校验（δ=10秒）防御；拒绝服务(DoS)攻击下系统可用性仍达99.99%。

效率与可扩展性

测试显示，MedGuard端到端延迟为64.8毫秒（较基线提升13.3%），支持每秒1200次数据包传输、120次聚合和1200次查询。能耗方面，单设备功耗2.2瓦，每查询仅耗能1.489毫焦。系统可线性扩展至万台设备，延迟仅增5.2%至68.2毫秒，内存占用增长12%。

MedGuard通过融合FHE和zk-SNARKs，首次在IoMT环境中同时实现数据隐私、计算可验证性和高效性。其支持动态查询（如异常检测阈值θ=μ+kσ）和抗聚合器篡改的特性，为慢性病管理、远程监护等场景提供可靠支撑。未来工作将探索混合FHE方案（CKKS+TFHE）以降低计算开销，并研究无信任设置的zk-STARKs替代Groth16，进一步提升系统实用性和抗量子攻击能力。