前言：尋找寫作靈感？中文期刊網用心挑選的醫療保險信息安全隱私保護探究，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
摘要：隨著互聯網絡、計算機技術等的發展，人類社會逐步邁入大數據時代?；诖髷祿夹g的信息處理在醫學領域發揮著十分重要的作用，尤其是在醫療保險信息安全隱私保護方面。但互聯網、計算機以及大數據的發展在為醫療保險信息帶來便利的同時，醫療保險信息容易丟失與泄露的問題也隨之產生，這給生物醫學的發展帶來了極大的風險和隱患。因此，基于大數據技術，對醫療保險信息安全隱私保護進行研究，以云存儲、判別分析算法以及中間構件等技術對醫療保險信息進行保護。通過實驗證明，基于大數據的醫療保險信息的安全性得到很大提高，且信息準確率達92％以上，能夠極大地保護醫療保險信息的安全性。
關鍵詞：大數據；醫療保險信息；安全隱私；保護研究
0引言
互聯網絡、計算機技術、云計算以及大數據技術等的飛速發展與革新，使得信息存儲方式發生了翻天覆地的變化［1］。這些技術的廣泛應用，深刻影響著人類社會生活、工作以及思維等各個方面，人類社會正邁入大數據時代。網絡與大數據的背景下，生物醫學也迎來了新的發展機遇。大數據技術、計算機技術為醫療診治以及醫療保險信息的存儲提供了強大的技術支持。如今的醫療保險信息一般都是以電子檔案的形式存放的，電子檔案中記錄著無數醫療保險數據，是醫院發展最珍貴的無形資產。但是，計算機以及大數據的發展在為醫療保險信息帶來便利的同時，醫療保險信息容易丟失與泄露的問題也隨之產生［2］。由于醫療保險信息對于醫保工作的重要性，如何有效保障醫療保險信息安全隱私成為當前醫保機構亟需解決的重大問題。因此，基于大數據技術，對醫療保險信息安全隱私保護進行研究，以云存儲、判別分析算法以及中間構件等方法對醫療保險信息進行保護。通過實驗證明，基于大數據的醫療保險信息的安全性得到很大提高，且信息準確率達90％以上，能夠極大地保護醫療保險信息的安全性。
1基于大數據的醫療保險信息安全隱私保護研究
大數據本身是一種信息資源，具有其他資源無可比擬的潛力與優勢［3］。大數據技術的發展在人類社會發展與進步的各個方面都起著一定的支撐與促進的作用。基于大數據，對各種數據信息進行分析與應用，關鍵在于使這些數據資源的效益真正的發揮出來。當前，醫療保險信息一般都是以電子檔案的形式存放的，電子檔案中記錄著海量的醫療保險數據，是醫院發展、患者診治最為重要的無形資產。但是，處于網絡發展迅速、信息傳播更加便利的環境下，醫療保險信息容易丟失和泄露的問題也隨之產生［4］。因此，基于大數據，對醫療保險信息安全隱私保護進行深入研究，提出一種針對醫療保險信息安全隱私的保護方法，旨在為更好地提高醫療保險信息的安全性與可靠性。
1．1醫療保險信息安全隱私保護方法總體設計?；诖髷祿尼t療保險信息安全隱私保護方法由三部分構成，分別是醫療保險信息的備份與處理、醫療保險信息的傳輸與權限控制以及網絡安全的維護。其中，醫療保險信息的備份與處理部分主要是對管理信息系統、Web信息系統、物理信息系統以及科學實驗系統采集來的數據信息采用大數據技術進行分類，然后進行云存儲和分布式文件儲存［5］。醫療保險信息的處理是對數據信息進行清洗與分析。醫療保險信息的傳輸與權限控制部分包括兩方面的內容，信息傳輸是采用大數據技術，搭建中間構件，以此保證醫療保險信息可靠安全的傳輸。信息的權限控制是主要是對醫療保險信息進行統一維護以及采用靈活調控機制對數據信息的訪問權限進行控制。醫療保險信息的網絡安全維護主要是以數據信息的功能進行區域劃分，再利用防火墻技術實現不同區域的隔離、控制與審計。
1．2醫療保險信息的備份與處理。醫療保險信息備份的主要作用是在發生信息事故時能夠有效的保護原始數據，盡可能地減少因信息丟失或泄露而造成的損失。數據備份時首先使用大數據技術對采集來的數據進行分類，將數據分為結構化、半結構化以及非結構化數據，然后進行保存備份。信息保存采用大數據技術中的云存儲與分布式文件儲存的方法。云存儲主要是把數據信息存放在第三方托管的多臺虛擬服務器上，以保證數據的安全性，同時還能節約存儲空間［6］。備份則采用冷備份與熱備份的方法。冷備份即靜態轉儲，在數據庫關閉的情況下，對數據庫中的數據文件、日志文件等進行復制，在復制過程中拒絕其他應用程序的并發訪問。熱備份即動態轉儲，在數據庫正常運行的情況下，備份數據庫數據文件，再次過程中允許其他應用程序的并發訪問。采用冷備份與熱備份相結合的方式能夠為醫院提供實時有效的醫療保險信息。醫療保險信息的處理是對數據信息進行清洗與分析，并對數據進行完整性和有效性的檢驗，在信息源頭判定數據的準確與否，以及檢驗存儲錄入的信息是否與醫療保險數據庫本身有沖突，及時排除有可能影響數據庫本身數據進行有效處理與分析的非法數據與程序［7］。在進行醫療保險信息的處理工作時主要采用大數據統計分析方法中的判別分析法。這種方法是就一定數量樣本的一個分組變量和相應的其他多元變量的已知信息，來確定分組與其他多元變量所屬的樣本進行判別分組［8］。判別分析通常都要建立一個判別函數，然后利用這個函數進行批判。判別函數具體如式（1）。W（x）＝（x－珔μ）Tα（1）式中，W（x）代表判別函數值，x代表樣本信息，珔μ代表樣本信息的均值向量，α代表判別系數。這樣，利用該判別函數對醫療保險信息進行分析與判別，保證數據信息的準確性。
1．3醫療保險信息的傳輸與權限控制。醫療保險信息的傳輸必須確保傳輸的完全安全。健康保險信息的傳輸實際上是基于大數據技術的整合來創建中間組件，使用可靠的機制來傳輸中間組件以進行打包和傳輸信息。當信息源發送數據信號時，中間組件首先將數據傳遞給緩沖隊列，然后利用其封裝處理機制確保數據信息在傳輸過程中不受外部因素的影響，從而保證數據信息的安全性和純度。當在信道上傳輸信息期間發生事故時，中間組件可以根據傳輸信息之前的記錄來跟蹤信息丟失的位置，并重傳該信息。一旦移除了通道的阻塞機制，健康保險信息可以防止傳輸過程中的數據丟失，確保信息傳輸效率，并提高信息利用率。在傳輸健康保險信息的過程中，可能出現與由于外部信息的侵入而導致的信息質量不可靠性相關的問題。中間組件可以使用服務連接功能來消除外部入侵的干擾信息，并在中間組件節點和傳輸信道之間建立邏輯連接［9］。通道確保每個節點上傳入和傳出數據的信息一致性，從而確保信息傳輸的安全、可靠與穩定。并且中間構件的傳輸，在醫療保險信息的數據層、傳輸層和應用層搭建起了橋梁，具體的結構體系，如圖1所示。這樣的三層體系，能夠為醫療保險信息設置一道安全屏障。一方面，確保醫療保險信息不任意流失。另一方面，保證外部的信息不回隨意入侵醫療保險信息系統本身，從而實現數據的更深層過濾。由中間構件組建的傳輸方式保證了醫療保險信息的相對穩定性。醫療保險信息的權限控制主要是指不同用戶在訪問醫療保險信息系統時，進入系統前必須進行用戶驗證，登錄系統的操作，進行有效的身份認證，在得到系統賦予的不同權限后，方可完成不同級別的醫療信息使用等相關操作。例如，一般權限的用戶登錄后僅限于查看公共醫療信息，高級別的用戶才具有增、刪、查、改以及更新醫療保險信息的操作權?；跈嘞薜亩x可以根據設定為定位坐標的相似度的判定上，假設在定位判定中出現U1rights1和U1rights2兩個類別，其使用賬戶為同一賬戶，而設定的用戶級別不同，在賬戶應用中的應用集合，如式（2）。根據公式計算可得不同坐標產生的相似度距離。如果距離過大，則通過判定規則定義為非可靠性操作，距離小于判定值的也會標示為疑似概率問題，是否存在匿名登錄等問題，進入限制操作的管理中。采用靈活的調控機制，對醫療保險信息進行權限控制與維護，使得醫療保險信息得到一定保護，不被流失與泄露，進而預防信息泄漏可能造成的損失與傷害。而且，通過對醫療保險信息的權限控制，還能夠防止違規操作，保障醫院與患者的隱私權利。
1．4網絡安全的維護。醫療保險信息包括統計類、業務類、基金財務類、醫院基礎類以及政策類等方面的信息，涉及到銀行、醫院、患者多方。基于大數據的網絡時代，無論是醫療保險信息的保存備份、信息處理還是傳輸與權限控制都離不開網絡技術的支持。因而，基于大數據的醫療保險信息安全隱私保護一定要對網絡安全進行必要的維護，使網絡間的訪問具有可控性。具體的維護方法是：定義維護數據位置形成類別集合，計算各個集合的優化路徑，通過最短的響應保持數據間隔，同時獲得系統的穩定可靠運行，如式式中，Ui＝1R（x，y）（Nt）代表數據集合的訪問最佳路徑，（Nt）表示數據集合總數，R（x，y）表示控制權限的范圍。最佳路徑的獲取會隨著用戶使用頻率的提升而不斷改變，所獲取的精度也會不斷地提高，對于降低用戶推測延遲，數據集合的響應時間均會有所幫助。在醫院核心層的網絡同其他層次的網絡之間采用物理隔離的方式來保證網絡的安全。對于安全層的網絡，則在局域網中劃分虛擬子網來實現各個安全域之間、用戶與安全域之間的安全隔離。在醫院內網和外網間使用防火墻建立起數據共享、數據交換以及數據應用的安全隔離帶［10］。對可信任的網絡進行醫療保險信息傳輸時可以不用加密。而對于業務專網進行信息傳輸時，為確保信息的安全可靠，涉及醫療保險業務、就醫數據、醫護人員、患者的相關信息就必須采用打包傳輸和設置特定訪問權限的方式進行傳輸。
2實驗結果與分析
上述采用提出的基于大數據的醫療保險信息安全隱私保護方法最大程度上防止醫療保險信息的泄露和丟失，為醫療保險信息的安全提供保障，充分的證明了醫療保險信息安全隱私保護方法的可行性，但是其有效性還有待進一步研究。因此，采用對比實驗對提出的基于大數據的醫療保險信息安全隱私保護方法的有效性進行實驗。
2．1實驗參數設置。對比實驗主要采用提出的基于大數據的醫療保險信息安全隱私保護方法與傳統的醫療保險信息安全隱私保護方法進行實驗。實驗外部環境參數設置情況，如表1所示。
2．2實驗數據分析。以上述設置的實驗外部環境參數為依據進行實驗，通過對醫院數據庫中的數據信息進行增刪查改等操作，看兩種保護方法下導出數據的準確率、安全方面等是否達到預期效果。由于實驗組與對照組機制的不同，無法對其進行直接的對比分析。為此，采用統計軟件對實驗數據進行記錄與對比分析。實驗數據對比結果，如圖2所示。圖2中實驗組導出數據的準確率明顯高于對照組導出數據的準確率，實驗組導出數據的準確率最低為92％，而對照組導出數據的準確率最低為40％。隨著實驗次數的增加，對照組數據的準確率曲線呈曲折式的下降，而實驗組數據的準確率曲線保持平穩狀態。說明提出的基于大數據的醫療保險信息安全隱私保護方法具備極高的有效性。對于系統的數據安全經過數次迭代計算后效果，如圖3所示。圖3中，基于傳統的醫療保險信息安全隱私保護方法對于數據安全溢出檢測不太敏感，進行100次迭代計算后仍然高于80％，而大數據中對于數據溢出安全的檢測是依靠智能化的疊加關系，隨著迭代次數的增加，其安全水平也會不斷提高，經過100次迭代后的安全溢出概率低于20％，證明大數據環境對數據安全溢出的控制效果高于傳統保護方法。對于系統反應情況的測試，通過對不同數據組的累計計算獲取結果，如圖4所示。圖4中，數據累計計算會增加系統的負荷，雖然兩種方法均會在累計計算過程中增加響應時長，但效果仍然是本文方法較好，經過10000次數據累計結果，本文研究方法在系統響應時間控制在80毫秒以內，而傳統方法已經達到176毫秒的響應時長，結果證明了傳統方法無法有效控制復雜計算帶來的系統負荷，而大數據系統中的算法則可以更好的降低系統負荷，增強系統的穩定性。
3總結
基于大數據技術，利用云存儲、判別分析算法、中間構件等提出醫療保險信息安全隱私保護方法，實現了對醫療保險信息的保護，提高了醫療保險信息的可靠性與安全性。但是其仍然存在較大的上升空間，因此，需要對其進行進一步的研究與分析。
作者:姚劍鋒 單位:國家電網冀北電力有限公司
