隨著科技飛速發展，醫療領域也迎來了數字化變革。如今，各種醫療設備和傳感器不斷涌現，它們如同一個個 “小衛士”，時刻收集著患者的健康數據。然而，這看似美好的背后卻隱藏著諸多危機。在醫療數據共享過程中，安全問題日益凸顯。一方面，現有安全架構難以保障敏感醫療數據的隱私和安全，很多方法只是針對特定應用，無法滿足醫療行業復雜多樣的安全需求。另一方面，醫療行業對動態權限執行、可擴展的上下文感知訪問控制以及靈活按需的身份驗證有著迫切需求，但目前的技術卻難以實現。在這樣的困境下，開展相關研究來保障醫療數據安全變得至關重要。
印度昌迪加爾大學（Chandigarh University）和馬尼帕爾大學齋浦爾分校（Manipal University Jaipur）的研究人員勇挑重擔，致力于解決這些問題。他們提出了一種訪問控制機制（PA2C）和一種有效的攻擊檢測模型（IntVO - RBNN），為醫療數據安全保駕護航。這一研究成果發表在《Scientific Reports》上，引起了廣泛關注。
為了實現這一目標，研究人員采用了多種關鍵技術方法。在數據存儲和管理方面，他們借助區塊鏈（Blockchain）和星際文件系統（IPFS）存儲系統，確�；颊唠娮咏】涤涗洠‥HR）報告的安全存儲。在攻擊檢測模型構建上，利用智能航行優化算法（IntVO）對徑向基神經網絡（RBNN）的參數進行有效調整，從而提高攻擊檢測的準確性。同時，PA2C 機制通過多因素身份驗證來增強安全性，并結合區塊鏈技術記錄所有訪問嘗試和交易，提高透明度和問責性。
研究結果主要體現在以下幾個方面：

• 訪問控制方案的性能評估：研究人員將 PA2C 方案與傳統方法進行對比，在不同數據塊大�。�50、100）和不同用戶數量（20 - 100）的情況下進行測試。結果發現，PA2C 方案在響應性、合法用戶檢測（GUD）、隱私保護和信息損失等指標上表現優異。例如，在 50 個數據塊時，PA2C 方案響應時間為 100.18 秒，相較于其他傳統方法大幅減少；在 100 個數據塊時，信息損失僅為 3.50% ，遠低于傳統方法。這表明 PA2C 方案能夠有效提高醫療數據訪問的安全性和效率。
• 攻擊檢測模型的性能評估：研究人員將 IntVO - RBNN 模型與其他攻擊檢測模型進行對比，在不同用戶數量和不同訓練數據比例下進行測試。結果顯示，IntVO - RBNN 模型在準確率、誤報率（FPR）、召回率和精確率等指標上表現出色。以 50 個用戶、90% 訓練數據為例，該模型準確率達到 94.01% ，遠高于傳統模型；在 100 個用戶、90% 訓練數據時，召回率為 95.26% ，精確率為 96.90% ，能夠精準地檢測出攻擊行為。
• 其他分析：通過混淆矩陣評估，IntVO - RBNN 模型能準確檢測攻擊實例，誤檢測較少。計算復雜度分析表明，PA2C 方案計算時間短，效率高。安全分析顯示，即使面對中間人（MITM）攻擊和重放攻擊，PA2C 方案仍能保證一定的安全性，在無攻擊情況下性能更佳。
  研究結論和討論部分再次強調了該研究的重要意義。PA2C 方案僅允許授權合法人員訪問數據，消除了數據泄露威脅；IntVO - RBNN 模型能有效檢測攻擊，提高了系統安全性。區塊鏈和 IPFS 存儲系統的應用增強了系統的彈性，解決了單點故障問題。與現有技術相比，該研究成果在各項指標上都表現更優，為醫療數據安全共享提供了更可靠的解決方案。這一研究成果有望在未來醫療領域得到廣泛應用，為保障人們的健康數據安全發揮重要作用，推動醫療行業向更加安全、高效的方向發展。