Flexible and Fine-Grained Access Control for EHR in Blockchain-Assisted E-Healthcare Systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
It is of the utmost importance to achieve flexible and fine-grained access control of electronic health records (EHR) in smart elderly healthcare (SEH) for providing high-quality healthcare services for the elderly and protecting their privacy simultaneously. In this paper, a flexible, fine-grained, and elderly-centric access control scheme is presented for EHR data in SEH. In the proposed scheme, Ciphertext Policy Attribute Based Encryption (CP-ABE), permission token, dual-key regression, and blockchain techniques are leveraged to realize multi-dimensional access control of EHR data in terms of data generation time, data user properties, access times, and access period. Moreover, a novel token segmentation algorithm is designed to transfer access rights between doctors efficiently for multi-party diagnosis and treatment. Since the elderly can define the attributes of users accessing his/her EHR data, the access number, the access time, and the access range of data from the time dimension of data generation with the cooperation of the Smart Elderly Healthcare (SEH) institution, the privacy of EHR data of the elderly is well protected. The security analysis demonstrates that our scheme can achieve EHR ciphertext indistinguishability under chosen-plaintext attacks and token unlinkability and unforgeability under data users’ collusion attacks. The experimental results show that our scheme performs well in terms of time cost and computational overhead.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle