医疗大数据安全——基于区块链的委托量子云架构(三)

本文涉及的产品
数据安全中心,免费版
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
|
7天前
|
大数据
【赵渝强老师】大数据主从架构的单点故障
大数据体系架构中,核心组件采用主从架构,存在单点故障问题。为提高系统可用性,需实现高可用(HA)架构,通常借助ZooKeeper来实现。ZooKeeper提供配置维护、分布式同步等功能,确保集群稳定运行。下图展示了基于ZooKeeper的HDFS HA架构。
|
1月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
90 1
|
1月前
|
存储 分布式计算 大数据
大数据-169 Elasticsearch 索引使用 与 架构概念 增删改查
大数据-169 Elasticsearch 索引使用 与 架构概念 增删改查
57 3
|
7天前
|
SQL 数据采集 分布式计算
【赵渝强老师】基于大数据组件的平台架构
本文介绍了大数据平台的总体架构及各层的功能。大数据平台架构分为五层:数据源层、数据采集层、大数据平台层、数据仓库层和应用层。其中,大数据平台层为核心,负责数据的存储和计算,支持离线和实时数据处理。数据仓库层则基于大数据平台构建数据模型,应用层则利用这些模型实现具体的应用场景。文中还提供了Lambda和Kappa架构的视频讲解。
【赵渝强老师】基于大数据组件的平台架构
|
17天前
|
存储 安全 大数据
大数据隐私保护:用户数据的安全之道
【10月更文挑战第31天】在大数据时代,数据的价值日益凸显,但用户隐私保护问题也愈发严峻。本文探讨了大数据隐私保护的重要性、面临的挑战及有效解决方案,旨在为企业和社会提供用户数据安全的指导。通过加强透明度、采用加密技术、实施数据最小化原则、加强访问控制、采用隐私保护技术和提升用户意识,共同推动大数据隐私保护的发展。
|
1月前
|
SQL 存储 分布式计算
大数据-157 Apache Kylin 背景 历程 特点 场景 架构 组件 详解
大数据-157 Apache Kylin 背景 历程 特点 场景 架构 组件 详解
25 9
|
10天前
|
存储 安全 大数据
|
1月前
|
存储 SQL 分布式计算
湖仓一体架构深度解析:构建企业级数据管理与分析的新基石
【10月更文挑战第7天】湖仓一体架构深度解析:构建企业级数据管理与分析的新基石
64 1
|
1月前
|
存储 分布式计算 druid
大数据-155 Apache Druid 架构与原理详解 数据存储 索引服务 压缩机制
大数据-155 Apache Druid 架构与原理详解 数据存储 索引服务 压缩机制
52 3
|
1月前
|
存储 SQL 缓存
Apache Doris 3.0 里程碑版本|存算分离架构升级、湖仓一体再进化
从 3.0 系列版本开始,Apache Doris 开始支持存算分离模式,用户可以在集群部署时选择采用存算一体模式或存算分离模式。基于云原生存算分离的架构,用户可以通过多计算集群实现查询负载间的物理隔离以及读写负载隔离,并借助对象存储或 HDFS 等低成本的共享存储系统来大幅降低存储成本。
Apache Doris 3.0 里程碑版本|存算分离架构升级、湖仓一体再进化