面向医疗健康的格基隐私保护多模态检索框架：融合AudioCLIP与分布式解密的可搜索加密新范式

《Journal of Biomedical Informatics》：Lattice-based privacy-preserving multimodal retrieval for healthcare

本文提出一种支持多用户跨模态检索的医疗数据隐私保护框架，首次将AudioCLIP与多密钥全同态加密结合，实现密文状态下的多模态（语音/图像/文本）联合检索。方案通过属性基加密实现细粒度访问控制，基于格密码（RLWE）具备抗量子安全性，在MedMNIST和AudioSet数据集上验证了高效检索能力（R@K/MRR/MAP指标），为精准医疗中的敏感数据安全共享提供新思路。

　　

章节精选

相关工作

自提出以来，可搜索加密（SE）技术因其支持密文检索的能力受到广泛关注。随着技术发展，研究主要分化为两个方向：对称可搜索加密（SSE）和公钥可搜索加密（PKSE）。SSE采用单一密钥进行加密和检索，效率高但需严格密钥管理；PKSE则通过公私钥机制实现更灵活的权限控制。

环上误差学习（RLWE）

令环R = Z[X]/(Xⁿ+1)，其中n为2的幂次。本文定义R_q= R/(q·R)为模整数q的多项式环。RLWE问题的核心是区分以下两种分布：给定任意数量的多项式样本(a_i, b_i=s·a_i+e_i)∈R_q²，其中a_i从R_q均匀采样，s从秘密分布χ抽取，e_i从误差分布ψ提取。该问题的计算困难性构成格密码的安全性基石。

多用户环境下的多模态可搜索加密框架

本文提出多模态可搜索加密框架MMOSE，其架构包含三大实体：云服务器（CS）、数据所有者（DO）和数据用户（DU）。在医疗场景中，数据所有者通常是多模态文本、图像、音频等数据的产生机构。

多用户环境下的多模态可搜索加密方案

为解决多模态数据安全检索难题，本研究引入AudioCLIP模型。关键挑战在于多模态数据需转换为784维特征向量，而传统格基SE只能逐维加密。创新性方案采用CKKS同态加密技术对特征向量进行批处理编码，将其映射至多项式环后加密，显著提升处理效率。

基于属性的多模态可搜索加密方案

MMOSE方案初步实现多用户环境下的跨模态检索机制。通过将特征向量经CKKS编码加密后，采用分布式解密策略，将部分解密计算负载分配至用户端与数据所有者，有效减轻云服务器压力。

性能分析

本章介绍实验数据集（MedMNIST/AudioSet）、环境配置与参数设置，逐阶段分析多模态检索方案的时间开销，并通过R@K（召回率）、MRR（平均倒数排名）、MAP（平均精度均值）评估密文检索效果。

结论

为应对医疗多模态数据的隐私保护与安全检索挑战，本文提出基于分布式解密的检索方案。该方案利用AudioCLIP整合多模态数据，采用多密钥全同态加密保护特征向量，并通过同态乘法计算密文相关性分数。分布式解密机制在保障安全性的同时，显著优化了检索效率。