信息网络安全 ›› 2023, Vol. 23 ›› Issue (10): 70-76.doi: 10.3969/j.issn.1671-1122.2023.10.010
收稿日期:
2023-06-28
出版日期:
2023-10-10
发布日期:
2023-10-11
通讯作者:
张健
E-mail:zhang.jian@nankai.edu.cn
作者简介:
秦一方(2001—),女,辽宁,硕士研究生,CCF会员,主要研究方向为数据安全|张健(1968—),男,天津,正高级工程师,博士,CCF会员,主要研究方向为云安全、网络安全和系统安全|梁晨(1965—),男,天津,高级工程师,本科,主要研究方向为网络安全、计算机网络
基金资助:
QIN Yifang1,2, ZHANG Jian1,2(), LIANG Chen3
Received:
2023-06-28
Online:
2023-10-10
Published:
2023-10-11
摘要:
随着《中华人民共和国数据安全法》等法律法规的实施,数据安全工作日益受到关注。电子病历包含公民医疗健康等敏感个人信息,为了保护电子病历数据的隐私安全,文章研究了电子病历数据特征提取技术,为实施数据安全防护提供技术支撑。文章提出了基于深度神经网络的电子病历数据特征提取方法,采用生成式对抗网络,通过文本生成的方法,将少量电子病历数据扩充为一个较大的数据集。随后利用卷积神经网络进行特征提取,并通过分类器产生分类结果,以实现电子病历数据的检测识别。实验结果表明,这种方法对于电子病历数据具有较好的特征提取效果。
中图分类号:
秦一方, 张健, 梁晨. 基于神经网络的电子病历数据特征提取技术研究[J]. 信息网络安全, 2023, 23(10): 70-76.
QIN Yifang, ZHANG Jian, LIANG Chen. Research on Feature Extraction Technology of Electronic Medical Record Data Based on Neural Networks[J]. Netinfo Security, 2023, 23(10): 70-76.
[1] | PENG Baolin, ZHU Chenguang, LI Chunyuan, et al. Few-Shot Natural Language Generation for Task-Oriented Dialog[C]// ACL. Findings of the Association for Computational Linguistics:EMNLP. Stroudsburg: ACL, 2020: 172-182. |
[2] | IAN J G, JEAN P A, MEHDI M, et al. Generative Adversarial Networks[C]// ACM. NIPS:Neural Information Processing Systems Conference. New York: ACM, 2014: 2672-2680. |
[3] | LIU Wenfu. Research on the Key Techniques of Short Text Representation and Classification Based on Mixed Semantic Learning[D]. Zhengzhou: PLA Information Engineering University, 2022. |
刘文甫. 基于混合语义学习的短文本表示与分类关键技术研究[D]. 郑州: 解放军信息工程大学, 2022. | |
[4] | TOMAS M, KAI C, GREG C, et al. Efficient Estimation of Word Representations in Vector Space[EB/OL]. (2013-09-07) [2023-06-01]. https://arxiv.org/abs/1301.3781. |
[5] | ZHANG Li, ZOU Kaihong, ZONG Xu, et al. Text Feature Extraction Based on Deep Convolutional Neural Networks: China, CN201810379548. X[P]. 2018-09-28. |
张黎, 邹开红, 宗旭, 等. 基于深度卷积神经网络进行文本特征提取的方法:中国,CN201810379548. X[P]. 2018-09-28. | |
[6] | ZHAO Qinlu, CAI Xiaodong, LI Bo, et al. Text Feature Extraction Method Based on LSTM-Attention Neural Networks[J]. Modern Electronic Technology, 2018, 41(8): 167-170. |
赵勤鲁, 蔡晓东, 李波, 等. 基于LSTM-Attention神经网络的文本特征提取方法[J]. 现代电子技术, 2018, 41(8): 167-170. | |
[7] | REITER E, DALE R, FENG Z. Building Natural Language Generation Systems[M]. Cambridge: Cambridge University Press, 2000. |
[8] | WAN Xiaojun, FENG Yansong, SUN Weiwei. Research Progress and Trend of Text Automatic Generation[C]// CCF. CCF 2014-2015 China Computer Science and Technology Development Report. Beijing: CCF, 2015: 298-323. |
万小军, 冯岩松, 孙薇薇. 文本自动生成研究进展与趋势[C]// CCF. CCF 2014-2015中国计算机科学技术发展报告会. 北京: CCF, 2015:298-323. | |
[9] | HU Baotian. Text Representation Based on Deep Neural Networks and Its Application[D]. Harbin: Harbin Institute of Technology, 2016. |
户保田. 基于深度神经网络的文本表示及其应用[D]. 哈尔滨: 哈尔滨工业大学, 2016. | |
[10] | LI Tong. Research on Natural Language Generation Algorithm Based on Transformer[D]. Xi’ an: Xidian University, 2022. |
李彤. 基于Transformer的自然语言生成算法研究[D]. 西安: 西安电子科技大学, 2022. | |
[11] | YU Lantao, ZHANG Weinan, WANG Jun, et al. SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient[C]// AAAI. AAAI Conference on Artificial Intelligence. New York: AAAI, 2017: 2852-2858. |
[12] | CHEN Xuesong, YANG Yimin. Review on Reinforcement Learning[J]. Application Research of Computers, 2010, 27(8): 2834-2838, 2844. |
陈学松, 杨宜民. 强化学习研究综述[J]. 计算机应用研究, 2010, 27(8): 2834-2838,2844. | |
[13] | KIM Y. Convolutional Neural Networks for Sentence Classification. Association for Computational Linguistics[C]// ACL. Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP). Stroudsburg: ACL, 2014: 1746-1751. |
[14] | HU Mianning, LI Xin, LI Mingfeng, et al. Research on Multi-Strategy Data Enhancement Technology for Fraud Short Message Identification[J]. Netinfo Security, 2022, 22(10): 121-128. |
胡勉宁, 李欣, 李明锋, 等. 面向诈骗短信息识别的融合多策略数据增强技术研究[J]. 信息网络安全, 2022, 22(10): 121-128. | |
[15] | GU Zhaojun, LIU Tingting, GAO Bing, et al. Anomaly Detection of Imbalanced Data in Industrial Control System Based on GAN-Cross[J]. Netinfo Security, 2022, 22(8): 81-89. |
顾兆军, 刘婷婷, 高冰, 等. 基于GAN-Cross的工控系统类不平衡数据异常检测[J]. 信息网络安全, 2022, 22(8): 81-89. |
[1] | 张玉臣, 张雅雯, 吴越, 李程. 基于时频图与改进E-GraphSAGE的网络流量特征提取方法[J]. 信息网络安全, 2023, 23(9): 12-24. |
[2] | 薛羽, 张逸轩. 深层神经网络架构搜索综述[J]. 信息网络安全, 2023, 23(9): 58-74. |
[3] | 苑文昕, 陈兴蜀, 朱毅, 曾雪梅. 基于深度学习的HTTP负载隐蔽信道检测方法[J]. 信息网络安全, 2023, 23(7): 53-63. |
[4] | 蒋英肇, 陈雷, 闫巧. 基于双通道特征融合的分布式拒绝服务攻击检测算法[J]. 信息网络安全, 2023, 23(7): 86-97. |
[5] | 李志华, 王志豪. 基于LCNN和LSTM混合结构的物联网设备识别方法[J]. 信息网络安全, 2023, 23(6): 43-54. |
[6] | 赵小林, 王琪瑶, 赵斌, 薛静锋. 基于机器学习的匿名流量分类方法研究[J]. 信息网络安全, 2023, 23(5): 1-10. |
[7] | 赵彩丹, 陈璟乾, 吴志强. 基于多通道联合学习的自动调制识别网络[J]. 信息网络安全, 2023, 23(4): 20-29. |
[8] | 姚远, 樊昭杉, 王青, 陶源. 基于多元时序特征的恶意域名检测方法[J]. 信息网络安全, 2023, 23(11): 1-8. |
[9] | 赵欣荷, 谢永恒, 万月亮, 汪金苗. 基于多模态数据的博彩网站检测识别模型[J]. 信息网络安全, 2023, 23(10): 77-82. |
[10] | 顾兆军, 刘婷婷, 高冰, 隋翯. 基于GAN-Cross的工控系统类不平衡数据异常检测[J]. 信息网络安全, 2022, 22(8): 81-89. |
[11] | 刘光杰, 段锟, 翟江涛, 秦佳禹. 基于多特征融合的移动流量应用识别[J]. 信息网络安全, 2022, 22(7): 18-26. |
[12] | 王浩洋, 李伟, 彭思维, 秦元庆. 一种基于集成学习的列车控制系统入侵检测方法[J]. 信息网络安全, 2022, 22(5): 46-53. |
[13] | 刘峰, 杨成意, 於欣澄, 齐佳音. 面向去中心化双重差分隐私的谱图卷积神经网络[J]. 信息网络安全, 2022, 22(2): 39-46. |
[14] | 林发鑫, 张健. 虚拟化平台异常行为检测系统的设计与实现[J]. 信息网络安全, 2022, 22(11): 62-67. |
[15] | 胡勉宁, 李欣, 李明锋, 孙海春. 面向诈骗短信息识别的融合多策略数据增强技术研究[J]. 信息网络安全, 2022, 22(10): 121-128. |
阅读次数 | ||||||||||||||||||||||||||||||||||||||||||||||||||
全文 144
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||
摘要 247
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||