通过基于变分自编码器（VAE）的异常检测技术提升电子健康记录（EHR）访问模式中的信息安全

摘要

由于医疗行业的突然数字化，HIPAA违规行为以及对电子健康记录（EHRs）的未经授权访问变得越来越普遍。随着医院和其他医疗机构越来越多地依赖电子系统，基于隐私的安全措施比以往任何时候都更加重要。本研究提出了一种异常检测模型，该模型利用变分自编码器（VAEs）来识别EHR系统中的异常或可疑访问模式。在医疗行业中创建高效安全模型的一个主要挑战是，对真实世界信息的访问受到限制，并受到隐私政策的约束。为了解决这一挑战，研究人员生成了一个经过人工增强的EHR访问日志数据集，其中包含了部门归属、用户角色、访问频率和时间戳等真实特征；因此，这个人工生成的数据集能够很好地模拟现实世界的医院活动。通过观察医疗专业人员在潜在空间中的访问模式，所提出的VAE模型可以检测出可能表明安全漏洞或政策违规的异常情况，而无需泄露或依赖实际患者数据，从而通过建模这些潜在表示来识别大规模和小规模的异常行为。一些关键指标（如准确率F1分数为0.93、较低的误报率以及对噪声数据的更高敏感性）证明了基于VAE的检测方法优于传统的机器学习算法（包括隔离森林和一类支持向量机）。因此，无监督的深度生成建模结合合成数据生成为提高医疗信息系统的网络安全提供了一种新的、保护隐私的方法。根据研究结果，基于VAE的异常检测可以成为保护敏感医疗基础设施免受不断变化的网络风险的有效手段。