An Efficient and Privacy-Preserving Disease Risk Prediction Scheme for E-Healthcare
An Efficient and Privacy-Preserving Disease Risk Prediction Scheme for E-Healthcare
复制标题
一种高效且保护隐私的电子医疗疾病风险预测方案
DOI：
10.1109/jiot.2018.2882224
复制
发表时间：
2019-04
影响因子：
10.6
通讯作者：
Yang Haomiao
中科院分区：
文献类型：
--
作者：
Yang Xue;Lu Rongxing;Shao Jun;Tang Xiaohu;Yang Haomiao
大数据挖掘驱动的疾病风险预测已成为电子医疗领域的重要课题之一。然而，如果没有安全和隐私保证，疾病风险预测就无法继续蓬勃发展。为了应对这一挑战，在本文中，提出了一个有效的和隐私保护的疾病风险预测计划，电子医疗，以下简称为EPDP。与目前的工作相比，所提出的EPDP全面实现了两个阶段的疾病风险预测，即，疾病模型训练和疾病预测，同时确保隐私保护。具体地，在疾病模型训练阶段，将超增序列与同态密码算法相结合，以高效地提取每种疾病的症状集。在疾病风险预测阶段，引入Bloom filter技术计算预测结果。此外，广泛的性能评估表明，我们提出的EPDP达到了突出的效率优势，在国家的最先进的计算和通信开销方面，因此我们的EPDP更适合于实时电子医疗，特别是医疗急救。
Big data mining-driven disease risk prediction has become one of the important topics in the field of e-healthcare. However, without the security and privacy assurances, disease risk prediction cannot continue to flourish. To address this challenge, in this paper, an efficient and privacy-preserving disease risk prediction scheme for e-healthcare is proposed, hereafter referred to as EPDP. Compared with the up-to-date works, the proposed EPDP comprehensively achieves two phases of disease risk prediction, i.e., disease model training and disease prediction, while ensuring the privacy preservation. Specifically, a super-increasing sequence is combined with a homomorphic cryptographic algorithm to efficiently extract the symptom set of each disease in the phase of disease model training. Bloom filter technique is introduced to compute the prediction result in the phase of disease risk prediction. Besides, extensive performance evaluations demonstrate that our proposed EPDP attains outstanding efficiency advantage over the state-of-the-art in terms of both computational and communication overheads, and hence our EPDP is more suitable for real-time e-healthcare, especially medical emergency.
登录
查看更多内容
影响因子：
4.5
作者：
Mohammadhassanzadeh H;Van Woensel W;Abidi SR;Abidi SSR
通讯作者：
Abidi SSR
DOI：
10.1109/tifs.2017.2746000
发表时间：
2018
影响因子：
6.8
作者：
Zuo Cong;Shao Jun;Liu Joseph K.;Wei Guiyi;Ling Yun
通讯作者：
Ling Yun
影响因子：
3
作者：
E. Fujisaki;T. Okamoto;D. Pointcheval;J. Stern
通讯作者：
E. Fujisaki;T. Okamoto;D. Pointcheval;J. Stern
DOI：
10.1109/glocom.2014.7417026
发表时间：
2014-12
期刊：
2015 IEEE Global Communications Conference (GLOBECOM)
影响因子：
--
作者：
Guoming Wang;R. Lu;Cheng Huang
通讯作者：
Guoming Wang;R. Lu;Cheng Huang
DOI：
10.1145/1141277.1141415
发表时间：
2006-04
期刊：
Proceedings of the 2006 ACM symposium on Applied computing
影响因子：
--
作者：
Hwanjo Yu;Xiaoqian Jiang;Jaideep Vaidya
通讯作者：
Hwanjo Yu;Xiaoqian Jiang;Jaideep Vaidya