利用改进的关联规则挖掘技术进行医疗数据隐私保护，结合数据清洗和最优密钥生成方法，以保障医疗物联网的安全性

《Scientific Reports》：Privacy preservation of medical data with improved association rule mining based data sanitization with optimal key generation for internet of medical things

　　

摘要

在医疗物联网（IoMT）中，保护隐私对于 safeguard 敏感的健康数据至关重要。传统的基于关联规则挖掘（ARM）的模型能够对数据进行匿名处理，但在处理大型 IoMT 数据集时面临可扩展性挑战，这主要是由于计算复杂性所致。本研究提出了一种改进的关联规则挖掘（I-ARM）隐私保护模型，该模型利用了 Pufferfish Secretary Bird 优化算法（PSBOA）来应对这些挑战。所提出的框架包括一个结构化的数据净化和恢复过程。首先，在 I-ARM 过程中使用改进的 Apriori 算法提取关联规则以识别敏感模式，然后通过结合 Pufferfish 优化和 Secretary Bird 优化算法的 PSBOA 算法生成最优密钥，以实现安全的数据保护。最优密钥的生成基于修改度、误规则生成和隐藏比例等约束条件。之后，使用最优密钥与敏感数据进行 XOR 操作进行净化，并安全地存储在云端。在需要时，恢复过程通过逆向 XOR 操作来恢复原始的敏感数据。最后，通过改进的 Apriori 算法的逆向过程从净化后的数据集中重建原始医疗数据。广泛的实验评估表明，所提出的模型能够有效保护隐私并确保数据可靠恢复。实验结果证明，该方法实现了更高的隐私值（0.034）、更好的数据恢复率（0.970）以及更低的误规则生成率（0.483），优于现有方法。因此，PSBOA 混合方法增强了密钥生成的安全性，提供了强大的抗未授权访问能力，凸显了其在实际应用中的潜力。