本文由A. K. Singh（印度国立理工学院帕特纳分校计算机科学与工程系）、A. Anand（同机构）、Z. Lv（中国青岛大学数据科学与软件工程学院）、H. Ko（韩国朝鲜大学IT研究所）和A. Mohan（印度理工学院瓦拉纳西分校电子工程系）合作完成，发表于2021年5月的《ACM Transactions on Multimedia Computing, Communications, and Applications》期刊（卷17，第2s期，文章59号），标题为《A Survey on Healthcare Data: A Security Perspective》。
随着物联网（IoT）、5G和人工智能技术的发展，智能医疗系统（Smart Healthcare System）通过可穿戴设备、远程监测和个性化诊疗显著提升了医疗效率。然而，医疗数据在公共网络中的传输与存储面临严峻的安全挑战，包括患者隐私泄露、数据篡改和非法访问。尽管美国放射学会（ACR）和《健康保险可携性与责任法案》（HIPAA）等机构制定了安全标准，但现有方案仍无法完全解决数据被授权访问后的隐私保护问题。本文旨在全面综述医疗数据安全的四大关键技术——密码学（Cryptography）、生物识别（Biometrics）、数字水印（Watermarking）和区块链（Blockchain），分析其应用现状、性能对比及未来研究方向。
密码学通过加密算法（如对称加密AES和非对称加密RSA）确保医疗数据的机密性和完整性。文中重点分析了以下创新方案：
- 混合加密与水印技术：Kumar等人提出结合Logistic混沌映射加密与DCT-SVD（离散余弦变换-奇异值分解）的医学图像加密方案，峰值信噪比（PSNR）达50.02 dB，显著优于传统方法。
- 实时数据保护：Shankar等利用自适应蚱蜢优化算法（Adaptive Grasshopper Optimization, AGO）优化混沌加密密钥，使脑部MRI图像的加密时间缩短至0.14毫秒。
- 局限性：密钥管理复杂性和高计算成本仍是主要瓶颈，尤其在紧急医疗场景下可能延误数据访问。
生物识别通过生理特征（如指纹、心电图ECG）实现身份验证。关键进展包括：
- 多模态认证：Ali等将指纹与智能卡结合的双因素认证系统，通过BAN逻辑验证可抵抗中间人攻击，计算成本降低30%。
- ECG动态验证：Silva团队利用窦房结特性开发的心电生物识别系统，等错误率（EER）低至9.39%，适用于连续身份监测。
- 挑战：生物模板数据库的安全性和高误拒率（FAR）仍需优化。
水印技术将患者信息嵌入医学图像中，兼顾数据隐藏与完整性验证：
- ROI/NROI分区嵌入：Thakkar等在图像感兴趣区域（ROI）采用DWT-SVD双水印，非感兴趣区域（NROI）嵌入电子病历（EPR），汉明码纠错使误码率（BER）降至0。
- 可逆水印：Boucherkh提出的基于MD5哈希和游程编码（RLE）的方案，对超声图像 tamper检测率达100%，PSNR为52.27 dB。
- 权衡问题：鲁棒性、容量和不可感知性之间的平衡仍是核心挑战。
区块链的分布式账本特性为医疗数据提供防篡改和去中心化存储：
- IPFS与数据掩码：Zhu等结合星际文件系统（IPFS）和差异化数据掩码技术，实现大型异构医疗记录的安全共享。
- 智能合约应用：Ichikawa开发的失眠认知行为疗法（CBTI）手机应用，采用PBFT共识算法确保治疗数据不可篡改。
- 瓶颈：51%算力攻击风险和高交易延迟制约其大规模部署。
本文通过表格形式对比了各技术在目标、方法学、数据类型和局限性上的差异（如表1-4所示）。例如：
- 密码学：Blowfish算法在云存储中计算效率最优，但缺乏后解密保护。
- 区块链：Shapley值激励模型可提升数据共享积极性，但需解决分叉（Fork）问题。
未解决的挑战包括：
1. 紧急情况下加密数据的快速访问机制；
2. 生物识别模板的动态更新与防泄露；
3. 轻量级水印算法在移动医疗设备中的部署。
本文为医疗信息安全领域的研究者提供了技术路线图，尤其对开发符合HIPAA标准的智能医疗系统具有指导意义。未来研究可探索量子加密与联邦学习的融合，以应对日益复杂的网络威胁。