TY - Jour A2 - Sciancalepore，Savio Au - Shi，Mingyue Au - Jiang，Rong Au - Zhou，Wei Au - Liu，Sen Py - 2020 Da - 2020/09/29 Ti - 基于医疗大数据的隐私风险评估模型在自适应神经模糊理论上，SP - 5610839 VL - 2020 AB - 医学行业的信息泄漏已成为互联网安全领域的迫切问题。但是，由于需要在大数据环境中对隐私保护的自动化或半学授权管理，传统的隐私保护模型无法适应这种复杂的开放环境。虽然一些学者研究了医疗大数据环境中隐私披露的风险评估模型，但它仍然处于勘探的初始阶段。本文分析了影响医疗大数据安全和隐私泄漏的关键指标，包括用户访问行为和信任，从用户通过文献评论和专家咨询。此外，根据用户的历史访问信息和交互记录，借助信息熵和概率量化用户的访问行为和信任，并且明确给出定义表达式。最后，整个实验过程和特定操作在三个方面引入：实验环境，实验数据和实验过程，然后，通过10倍交叉验证的实际输出进行比较模型的预测结果用matlab。结果证明了本文中的模型是可行的。此外，本文中的方法与当前更加古典医疗大数据风险评估模型进行比较，结果表明，当非法用户的比例小于15％时，本文的模型更加优越 accuracy and recall. SN - 1939-0114 UR - https://doi.org/10.1155/2020/5610839 DO - 10.1155/2020/5610839 JF - Security and Communication Networks PB - Hindawi KW - ER -