医疗大数据安全——基于区块链的委托量子云架构(三)

简介: 智能医疗系统解决了分子可视化、DNA分析和治疗确定等复杂计算问题。这些被认为是当今超级计算机仍然面临的复杂问题。另一方面,量子计算承诺快速、高效和可扩展的计算资源,足以在指数时间内计算大规模和复杂的操作。量子计算将充分创新计算的视角,这是一个事实。然而,它还不是一个可行的解决方案,因为它可能是罕见的和昂贵的生产。本文介绍了量子云即服务,为复杂的智能医疗计算提供高效、可伸缩和安全的解决方案。我们的创新之处在于量子终端机(QTM)和区块链技术的使用,以提高提出的架构的可行性和安全性。实验结果证明了该体系结构的可行性和所实现的Q-OTP封装的绝对安全性

正文


评估与安全分析


为了评估第一步(基于区块链的集群选择),我们使用了Network Simulator-3 (ns-3),它依靠c++实现智慧城市网络模型,使用Python实现网络拓扑。部署GOEthereum来实现区块链。模拟是在一台运行在Ubuntu Linux下、拥有16gb内存的intel core-i7计算机上进行的。我们在第二步和第三步的研究环境中使用了IBM Quantum Experience。IBM Quantum Composer和IBM Quantum Lab平台允许研究人员访问5量子位量子服务器。


性能评估


816b559acbd60633127dae0cd91acb24_watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ2hhaG90,size_20,color_FFFFFF,t_70,g_se,x_16.png

所有的算法和结果都是使用基于Qiskit的IBM访问工具执行的,Qiskit是一个用于在脉冲、电路和应用模块上与量子计算机一起工作的开源SDK。最后,我们在发送到Quantum云服务器的数据上测试了一个Grover搜索功能。结果如图13所示,显示了测量正确状态的高概率,图14表示了Grover算法门的视觉概念。

393c3b71e0aaaff9cf4e4f388369fece_watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ2hhaG90,size_20,color_FFFFFF,t_70,g_se,x_16.png

为了证明我们提出的基于区块链的体系结构的有效性,我们考虑了三个主要的网络性能指标;故障对等体的延迟,网络执行的一般延迟,以及使用PBFT与经典算法相比的网络吞吐量。本文提出的区块链算法在执行方面比经典PBFT算法有更好的效果,如图15所示,我们在四个故障对等体的情况下,使用go -以太坊在NS-3上进行仿真,以创建一个安全的、私有的通信数据集群。

a48717b8822547d9220c023621b7ad4c_watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ2hhaG90,size_20,color_FFFFFF,t_70,g_se,x_16.png

图16显示了一般通过网络实现PBFT延迟与经典算法相比,描绘在图中,建议PBFT记录一个低延迟2 s与更高的延迟记录器在13秒,然而,经典算法记录短延迟12秒,可以达到48秒。很明显,该算法大大降低了延迟,提高了QoS和QoE。

d4aae21d69878bec25aa41a8a3e220c1_watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ2hhaG90,size_20,color_FFFFFF,t_70,g_se,x_16.png

吞吐量仿真及结果如图17所示。正如所描述的,所提出的PBFT在模拟过程中能够保持高而稳定的吞吐量,而经典算法的吞吐量随着网络中对等节点的增加而下降。

28d5c6474edc0bc7b93c9a4fd9342c6a_watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ2hhaG90,size_20,color_FFFFFF,t_70,g_se,x_16.png

实验结果证明了该体系结构采用区块链技术的可行性。与经典的BFT算法相比,提出的解决方案记录了低延迟和高吞吐量,这使得它非常适合在实景场景中实现,以补充和保护基于量子的云环境。

表2给出了对医疗数据执行Quantum委托计算和其他操作(如Grover搜索算法)所需的延迟、预算。

8e71b6ce3f90108ccd6e8e3422ce6675_watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ2hhaG90,size_20,color_FFFFFF,t_70,g_se,x_16.png


安全性分析


给出一个量子状态|φ >,一个消息m,一个密钥k, |φ >的加密是基于位翻转操作X的,例如,如果k = 1,状态|φ >被翻转,如果k = 0,什么都不发生。下面的示例拖拽方程描述了消息m的加密。

image.png

在这种情况下,如果窃听者干扰了通信,那么窃听者可以看到的是密钥为1或0的两种情况之一:

如果k = 0, 窃听者将看到矩阵|m >< m|,如果k = 1, 窃听者将看到。X|m > < m|X。

如果我们对这两种情况进行平均,我们得到以下密度矩阵:

72d51fb17546188161eaccce2a9578e5_db3be42aa1974c479b386fe673b755f6.png

image.png

49da8c8ce90f9cb1b59f9dfb153ef831_watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ2hhaG90,size_20,color_FFFFFF,t_70,g_se,x_16.png



医疗保健应用程序要求采取高安全性和隐私措施,因为它保存了有关患者的敏感信息,比如他的病史和疾病,以及他的身份、姓名、年龄等。或者是制药行业的实验室数据。此外,医疗服务所需的大量计算,如DNA计算,需要在服务器层的量子计算机提供广泛的计算能力。许多研究已经研究了量子服务器在数据计算上的性能,但是,据我们所知,很少有研究解决了与这类委托相关的安全问题。量子服务器本身对多重网络攻击是安全的。但是,客户端和服务器之间的通信是不安全的。窃听者可以中断通信并了解从客户端发送到服务器的消息。作为这个问题的解决方案,在这个方案中,我们部署了QOTP,在启动与服务器的通信之前,它对秘密消息进行编码并验证通信,要确保通道的安全性。这被证明是完全保密的。因为,如果是随机选择的测量基准,即使窃听者设法中断通信,也不会泄露信息。


该架构为智能医疗系统部署了基于量子的云委托计算。如上所述,实现的PBFT记录了低延迟和高吞吐量,这使得可行和可扩展,因此执行成本更低。此外,在云服务中使用的量子计算能力可以部署现有的量子云服务,如D-Wave、IonQ和Rigetti。这些服务每任务执行价格为0.3美元,每次不到0.01美元,执行起来相对便宜且可行。委托的量子算法可以直接实现到这些量子云服务中的一个,每个服务提供商可以在边缘上装备一个小的1qubit量子机器图像,作为客户端和量子云之间的中间体。1量子位量子机的实现成本相对较低,这使得我们提出的架构可行、安全、可扩展和成本效益。


结论


云中的量子计算无疑可以为智能医疗环境提供理想的计算能力和安全性。我们提出的架构部署了两项领先技术,为智能医疗创造了更好的服务质量,并确保了更好的安全性。区块链将减少客户端对量子机器的需求,它将提供对量子云的诚实设备和客户端的安全访问。边缘层的量子终端(量子图像)将编译经典位到量子位,反之亦然。使用完全盲计算,量子云能够计算复杂的医疗保健客户的请求,同时保持信息和计算安全。例如,我们在量子云上对完全加密的数据计算了Grover搜索算法,以衡量所提出架构的安全性。分析证明了Q-OTP的无条件安全性,仿真结果表明基于区块链的委托量子云架构实现医疗大数据安全的可行性。在我们未来的工作中,我们计划实现这个架构,并在真实的医疗数据上执行不同的计算,以更好地测量量子错误率。


版权声明:本文是对世界上位5%的顶级论文期刊(Joural of network and computer applications)的论文【Blockchain-based delegated Quantum Cloud architecture for medical big

data security 】解读学习。商务报告引用或学习转载须备注信息出处。本文是2022科研最新成果之一,已公开发布于学术论坛,各授权的学术数据库可访问,本文公开翻译已获作者授权。


参考文献:Azzaoui, Abir EL, Pradip Kumar Sharma, and Jong Hyuk Park. "Blockchain-based delegated Quantum Cloud architecture for medical big data security." Journal of Network and Computer Applications 198 (2022): 103304.

目录
相关文章
|
9月前
|
人工智能 安全 Cloud Native
Nacos 3.0 架构升级,AI 时代更安全的 Registry
随着Nacos3.0的发布,定位由“更易于构建云原生应用的动态服务发现、配置管理和服务管理平台”升级至“ 一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台 ”。
|
9月前
|
存储 SQL 监控
数据中台架构解析:湖仓一体的实战设计
在数据量激增的数字化时代,企业面临数据分散、使用效率低等问题。数据中台作为统一管理与应用数据的核心平台,结合湖仓一体架构,打通数据壁垒,实现高效流转与分析。本文详解湖仓一体的设计与落地实践,助力企业构建统一、灵活的数据底座,驱动业务决策与创新。
|
11月前
|
负载均衡 算法 关系型数据库
大数据大厂之MySQL数据库课程设计:揭秘MySQL集群架构负载均衡核心算法:从理论到Java代码实战,让你的数据库性能飙升!
本文聚焦 MySQL 集群架构中的负载均衡算法,阐述其重要性。详细介绍轮询、加权轮询、最少连接、加权最少连接、随机、源地址哈希等常用算法,分析各自优缺点及适用场景。并提供 Java 语言代码实现示例,助力直观理解。文章结构清晰,语言通俗易懂,对理解和应用负载均衡算法具有实用价值和参考价值。
大数据大厂之MySQL数据库课程设计:揭秘MySQL集群架构负载均衡核心算法:从理论到Java代码实战,让你的数据库性能飙升!
|
9月前
|
存储 设计模式 人工智能
AI Agent安全架构实战:基于LangGraph的Human-in-the-Loop系统设计​
本文深入解析Human-in-the-Loop(HIL)架构在AI Agent中的核心应用,探讨其在高风险场景下的断点控制、状态恢复与安全管控机制,并结合LangGraph的创新设计与金融交易实战案例,展示如何实现效率与安全的平衡。
1443 0
|
10月前
|
存储 SQL 分布式计算
19章构建企业级大数据平台:从架构设计到数据治理的完整链路
开源社区: 贡献者路径:从提交Issue到成为Committer 会议演讲:通过DataWorks Summit提升影响力 标准制定: 白皮书撰写:通过DAMA数据治理框架认证 专利布局:通过架构设计专利构建技术壁垒
|
6月前
|
存储 监控 安全
132_API部署:FastAPI与现代安全架构深度解析与LLM服务化最佳实践
在大语言模型(LLM)部署的最后一公里,API接口的设计与安全性直接决定了模型服务的可用性、稳定性与用户信任度。随着2025年LLM应用的爆炸式增长,如何构建高性能、高安全性的REST API成为开发者面临的核心挑战。FastAPI作为Python生态中最受青睐的Web框架之一,凭借其卓越的性能、强大的类型安全支持和完善的文档生成能力,已成为LLM服务化部署的首选方案。
1085 3
|
7月前
|
机器学习/深度学习 传感器 监控
吃得安心靠数据?聊聊用大数据盯紧咱们的餐桌安全
吃得安心靠数据?聊聊用大数据盯紧咱们的餐桌安全
227 1
|
7月前
|
存储 分布式计算 资源调度
【赵渝强老师】阿里云大数据MaxCompute的体系架构
阿里云MaxCompute是快速、全托管的EB级数据仓库解决方案,适用于离线计算场景。它由计算与存储层、逻辑层、接入层和客户端四部分组成,支持多种计算任务的统一调度与管理。
588 1
|
8月前
|
存储 安全 前端开发
如何开发一套EHS 健康安全环境管理系统?(附架构图+流程图+代码参考)
本文介绍如何开发一套完整的EHS(健康、安全和环境)管理系统,涵盖系统核心模块、技术架构、数据库设计、前后端开发示例及上线建议,帮助企业提升安全管理效率与合规性。
|
8月前
|
传感器 安全 前端开发
如何开发一套EHS健康安全环境管理系统中的风险管理板块?(附架构图+流程图+代码参考)
本文详解企业EHS(健康·安全·环境)系统中的风险管控板块,强调其核心在于构建“识别—评估—巡检—治理—验证”的闭环流程,将风险数据可视化并转化为可落地的行动指引。内容涵盖风险管控的意义、功能边界、系统架构、LEC评估方法、巡检流程、看板设计、开发技巧、落地建议、实现效果及代码参考,帮助技术团队和EHS负责人快速掌握系统搭建要点,提升企业安全管理水平。

热门文章

最新文章