买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：万桥信息技术有限公司

摘要：本发明涉及智慧医疗技术领域，具体地说，涉及一种应用于智慧医疗的用户信息安全处理控制系统。其包括身份认证授权单元、数据传输加密单元、区块链信任网络单元和日志分析管理单元；其中，日志分析管理单元包括日志采集处理模块、存储索引模块、行为学习模块和监控预警模块。该一种应用于智慧医疗的用户信息安全处理控制系统，能够自动聚焦于日志数据中与当前分析任务最为相关的部分，忽略无关信息，从而提高对非正常访问或操作行为的识别精度，同时能够更好地适应用户行为的变化和系统的发展，同时，能够通过学习不断优化模型参数，无需手动频繁调整规则。

主权项：1.一种应用于智慧医疗的用户信息安全处理控制系统，其特征在于，包括：身份认证授权单元（1）：用于采用双因素身份验证的安全机制验证用户的身份，并基于访问控制列表分配用户的访问权限；数据传输加密单元（2）：用于对用户传输的医疗数据采用传输层安全协议加密，并基于量子通信技术，实现量子密钥分发，为数据加密提供密钥交换方式；区块链信任网络单元（3）：用于将每条医疗数据作为交易记录，经过加密后添加到区块链中；日志分析管理单元（4）：用于记录所有用户的操作日志，对日志数据进行集中管理和分析，同时采用HMM模型并结合注意力机制，分析用户行为模式，自动识别出非正常访问或操作行为；其中，日志分析管理单元（4）包括日志采集处理模块（41）、存储索引模块（42）、行为学习模块（43）和监控预警模块（44）；日志分析管理单元（4）中，日志采集处理模块（41）用于自动从各个系统组件收集日志数据，确保全面覆盖用户活动记录，同时对采集到的数据进行清洗、标准化和结构化处理；存储索引模块（42）用于将处理后的日志数据高效存储在数据库或大数据平台上，并建立索引以便快速查询；行为学习模块（43）用于通过历史日志数据构建用户行为模型，提高异常检测的准确性并减少误报；行为学习模块（43）的具体步骤如下：S431：根据日志内容提取有用的特征，并将用户行为按时间排序，形成时间序列数据；S432：利用序列模式挖掘技术识别用户行为的常规路径和时间间隔模式，基于用户行为特征，将用户分为不同的行为群体；S433：统计各类操作的频率分布，识别出常见行为和罕见行为；S434：基于HMM并结合注意力机制，进一步筛选和构造时间窗口特征和行为频率特征，并使用历史日志数据训练模型，学习正常用户行为的统计特性和时间序列规律；S435：对新日志数据应用训练好的模型，计算行为的异常分数，根据模型输出和实际需求设定异常阈值，区分正常与异常行为；S434中，HMM的计算步骤为：前向概率： 其中，为在时间处于状态并产生观测序列从到的概率；为HMM的参数集合；为个观测序列；为时间；为用户某类状态；为时间的状态；后向概率： 其中，为在时间处于状态并产生观测序列从到的概率，表示观测序列的总长度；在每个时间步，引入注意力机制计算权重向量，反应在生成当前观测时，过往各状态的重要性，因此，前向概率和后向概率的表达式为： 其中，为调整后的在时间处于状态并产生观测序列从到的概率；为调整后的在时间处于状态并产生观测序列从到的概率；为在时间时对状态的注意力权重；为在时间时对状态的注意力权重；为从状态转移到状态的概率；为在状态下观测到的概率；为在状态下观测到的概率；根据前向概率和后向概率计算状态和更新的概率，计算步骤如下：状态概率： 其中，为在时间时处于状态的概率；为状态的数量；；是在时间处于状态并产生观测序列从1到的概率，是在时间处于状态并产生观测序列从到的概率；状态转移概率： 其中，为在时刻到之间，从状态转移到状态的概率；为从状态转移到状态的概率；为在状态下观测到的概率；为在时间处于状态并产生观测序列从到的概率；为在时间处于状态并产生观测序列从到的概率；为从状态转移到状态的概率；为在状态下观测到的概率；为在时间处于状态并产生观测序列从到的概率；；；更新初始状态概率： 其中，为初始时刻处于状态的概率；为时处于状态的概率；更新状态转移概率： 更新观测概率： 其中，为在状态下观测到的概率；为在时间时处于状态的概率，表示观测序列的最后一个时刻之前的一个时刻；监控预警模块（44）用于持续监控日志数据流，一旦检测到异常行为或潜在的安全威胁，立即触发预警系统并通知管理员。

全文数据：

权利要求：

百度查询： 万桥信息技术有限公司 一种应用于智慧医疗的用户信息安全处理控制系统