(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210707252.2 (22)申请日 2022.06.21 (71)申请人 云南财经 大学 地址 650101 云南省昆明市龙泉路237号 (72)发明人 姜茸　刘蕊　 (74)专利代理 机构 昆明顺新图盛专利代理事务 所(特殊普通 合伙) 53213 专利代理师 廖萍 (51)Int.Cl. G06F 21/62(2013.01) G06K 9/62(2022.01) G06F 40/289(2020.01) G06F 16/35(2019.01) G16H 10/60(2018.01) (54)发明名称 基于直觉模糊信任的电子病历访问控制方 法 (57)摘要 本发明针对电子病历信息隐私泄露问题， 提 出一种基于直觉模糊信任的电子病历访问控制 方法。 该方法根据LDA主题模型和JS散度计算就 诊患者电子病历和其他患者电子病历之间的相 关度； 引入直觉模糊、 时间窗、 时间衰减因子等理 论计算医生的直觉模糊信任值， 制定相应访问控 制策略来约束医生的访问行为， 同时加入奖惩机 制实现了动态访问控制。 模型中对医生直觉模糊 信任值的计算更加符合实际需要， 最后实验证 明， 本发明所提出的访问控制方法能够对医生的 访问行为进行控制。 而且主要是针对专科医生访 问行为的控制。 权利要求书3页 说明书13页 附图3页 CN 114936384 A 2022.08.23 CN 114936384 A 1.基于直觉模糊信任的电子病历访问控制方法， 其特 征在于： 包括以下3个步骤： A、 相关度计算： 通过 隐含狄利克雷分布LDA主题模型提取出就诊患者和其他患者电子 病历文档的主题概率分布， 并利用JS散度计算两个电子病历的相关度， 根据相关度来描述 医生的访问行为； 其中， 就诊患者电子病历是指医生访问的当前就诊患者的电子病历文档， 其他患者电子病历是指医生访问的患有相关疾病患者的电子病历文档； B、 信任量化： 通过直觉模糊理论， 从医生可信度、 不可信度和不确定度三个方面量化医 生的直觉模糊信任值， 并引入时间窗和时间衰减， 根据医生的历史访问记录将有效时间内 的直觉模糊信任值进行聚合， 得到总的直觉模糊信任值； C、 访问控制： 将所有医生进行直觉模糊聚类， 得到四个自适应的信任区间， 制定相应访 问控制策略， 授予访问权限； 同时， 加入奖惩机制， 动态更新医生的直觉模糊信任值。 2.根据权利要求1所述的基于直觉模糊信任的电子病历访问控制方法， 其特征在于： 步 骤A所述相关度计算采用LDA主题模型来判断， 所述LDA主题模型是一个三层贝叶斯概率模 型， 有关键词、 隐含主题和文档三层结构， 在LDA模型中， 一篇电子病历文档Doc ‑m的生成步 骤如下： A1‑1、 在电子病历文档与隐含主题的Dirichlet先验概率分布中取样生成电子病历文 档Doc‑m对应的主题分布P(Topic|Doc ‑m)； A1‑2、 从主题分布P(Topic|Doc ‑m)中取样生成电子病历文档Doc ‑m第w个词的主题 Topic‑h； A1‑3、 在隐含主题与关键词的Dirichlet先验概率分布中取样生成主题Topic ‑h对应的 关键词分布P(W ord|Topic‑h)； A1‑4、 从关键词分布P(W ord|Topic‑h)中取样生成关键词W ord‑w； A1‑5、 重复上述 步骤， 直到生成电子病历文档Doc ‑m需要的所有关键词。 3.根据权利要求2所述的基于直觉模糊信任的电子病历访问控制方法， 其特征在于： 所 述主题分布P(Topic|Doc ‑m)和关键词分布P(Word|Topic ‑h)是通过马尔科夫链蒙特卡罗方 法MCMC中的Gibbs抽样算法计算的， Gibbs抽样算法可以看作是文档生成过程的逆过程， 通 过对已存在的电子病历文档中所有关键词的主题进行采样来估计概 率， 主要步骤如下： A2‑1： 对病历库中每篇电子病历文档所含的每 个关键词随机赋予一个主题Topic； A2‑2： 统计每个主题Topic下出现关键词的数量 和每个电子病历文档Doc下出现主 题Topic的数量 A2‑3： 计算P(Top ici＝h|Topic‑i,w),即计算排除关键词w所赋予的主题， 根据其他关键 词所赋予的主题Topic‑i来估计关键词w分配到主题h的概 率， 其公式如下 所示： 其中， Topici表示第i个关键词对应的主题， 为排除第i个关键词对应的主题， 主题h 中出现关键词w的数量， 为排除第i个关键词对应的主题， 电子病历文档 Doc‑m中出现主 题h的数量， βw为主题Topic与关键词w的Dirichlet先验概率分布， αh为电子病历文档Doc与 主题h的Diric hlet先验概 率分布；权　利　要　求　书 1/3 页 2 CN 114936384 A 2A2‑4： 重复上述步骤， 对每个关键词赋予新的主题， 重新采样， 直到收敛为止， 输出P (Topic|Doc ‑m)和P(Word|Topic‑h)， 并得到每 个关键词对应的主题； A2‑5： P(Topic|Doc ‑m)和P(Word|Topic‑h)可以由如下计算公式得 出： 其中， 为文档m对应主题h的个数， α为电子病历文档与隐含主题的Dirichlet先验概 率分布， 为主题对应关键词w的个数， β表示所有主题与关键词的Dirichlet先验概率分 布。 4.根据权利要求1所述的基于直觉模糊信任的电子病历访问控制方法， 其特征在于： 步 骤A中所述利用JS散度计算电子病历文档Doc对应的主题分布P(Topic|Doc)之间的相关度 的过程如下： 诊患者电子病历文档对应的主题分布概率服从P＝{p1,p2,...,pt}， 其他患者 电子病历文档对应的主题分布概 率服从Q＝{q1,q2,...,qt}， 则有如下公式： JS散度解决了KL散度不对称的问题， 同时取值范围在[0,1]之间， 其公式为： 其中， JS散度越小， P和Q的概率分布越接近， 也就是说就诊患者和其他患者电子病历的 JS散度越小， 两个电子病历之间的相关度越高。 5.根据权利要求1所述的基于直觉模糊信任的电子病历访问控制方法， 其特征在于： 所 述步骤B中医生的直觉模糊信任值计算过程如下： 可信度计算公式如下： μA(x)＝1‑JS(P||Q) 其中： X是一个论域， 则称A＝{x[ μA(x), νA(x)]|x∈X}为直觉模糊集， μA(x), νA(x)分别 为x属于A的隶属度和非隶属度， 即 μA:X→[0,1]， νA:X→[0,1]且 其中有: 为X中元素x属于A的不确定度； 医生的不可信度可以根据Ya ger的母函数来确定， 其公式如下： 其中a的值用来控制直觉模糊的不确定度， 当a＝1时， νA(x)＝1‑μA(x)， 即不确定度为0； 当a取其他值时， 我们就可以用一组直觉模糊数来表示医生访问行为的可信度、 不可信度以 及不确定度， 其中不确定度的计算公式如下： 权　利　要　求　书 2/3 页 3 CN 114936384 A 3