制服丝袜成人电影|欧洲美女激情AV|久久天堂无码AV|日本一及黄色电影一及黄色|天摸天操天啪欧美|AA级黄色一级特黄成人大片|日韩特级AAA毛片|特级黄色成人录像|激情啪啪综合亚洲A黄|特黄一级AAA日本在线观看

歡迎訪問智慧醫(yī)療網 | 網站首頁
 

金華市中心醫(yī)院:醫(yī)療數(shù)據交互風險智能監(jiān)測平臺構建

發(fā)布時間:2025-07-30 來源:CHIMA 瀏覽量: 字號:【加大】【減小】 手機上觀看

打開手機掃描二維碼
即可在手機端查看

醫(yī)院數(shù)字化發(fā)展過程中,API已成為信息系統(tǒng)間主要的數(shù)據交互方式。信息系統(tǒng)通過標準化接口實現(xiàn)多源異構數(shù)據的統(tǒng)一匯聚與全景可視化呈現(xiàn),推動了醫(yī)療數(shù)據治理模式向集中化管理平臺轉型,醫(yī)療數(shù)據價值指數(shù)級提升。醫(yī)療數(shù)據的高價值性疊加API的開放性特征,使其成為黑灰產業(yè)的頭號攻擊目標,數(shù)據濫用和泄露風險持續(xù)加劇。


金華市中心醫(yī)院是浙江中西部地區(qū)集醫(yī)療、科研、教學、預防、保健、康復為一體的三級甲等綜合醫(yī)院,“國考”連續(xù)六年進入A+序列。在智慧醫(yī)院和互聯(lián)互通建設中,醫(yī)院數(shù)據在本地存儲以滿足內部醫(yī)療需求外,同時開放至互聯(lián)網、醫(yī)保局、衛(wèi)生健康委等。盡管已部署下一代防火墻、WAF、EDR等傳統(tǒng)安全設備,但在API數(shù)據安全防護方面仍面臨嚴峻挑戰(zhàn):一是傳統(tǒng)安全防護體系在API交互鏈路可視化方面存在監(jiān)測盲區(qū),難以對數(shù)據類型、敏感級別及傳輸規(guī)模進行深度審計;二是日均超240萬次的數(shù)據交互中精準識別風險行為面臨技術瓶頸,傳統(tǒng)規(guī)則引擎誤報率高;三是醫(yī)療數(shù)據交互缺乏動態(tài)追蹤能力,無法滿足《中華人民共和國數(shù)據安全法》等法規(guī)的風險監(jiān)測、預警要求。


為突破安全防護瓶頸,醫(yī)院引入DeepSeek本地化AI大模型,與全知科技展開深度合作構建智能防護體系,實現(xiàn)對API的智能化分類分級和API風險告警的降噪,在實時感知和預警數(shù)據風險的同時,精準把控安全風險點,提升醫(yī)院數(shù)據安全運營能力。

建設與開發(fā)



本案例通過API交互監(jiān)測引擎與本地大模型的深度融合,構建覆蓋"資產發(fā)現(xiàn)-風險驗證-基線防御-溯源審計"全周期的API安全防護體系,實現(xiàn)醫(yī)療數(shù)據交互場景中的風險精準識別與閉環(huán)處置,有效提升API數(shù)據交互全鏈路防護能力。


1.數(shù)據資產智能測繪:基于RAG技術對業(yè)務系統(tǒng)接口進行敏感數(shù)據識別和分類管理,全面識別醫(yī)院業(yè)務網絡環(huán)境中的應用系統(tǒng)和API,自動發(fā)現(xiàn)并標記接口傳輸?shù)拿舾袛?shù)據,刻畫應用畫像、API畫像、敏感數(shù)據流圖。


2.弱點智能降噪:對API存在的弱點進行智能聚合。根據弱點類型,利用本地大模型思維鏈,自動編排和調用本地工具,智能化驗證弱點的真實性,有效降低弱點誤報,實現(xiàn)高危漏洞的精準定位,降低人工投入。


3.業(yè)務風險基線測繪:通過建立系統(tǒng)接口風險行為基線,監(jiān)測異常行為。配合弱點智能降噪能力,及時精準分析和預警行為風險,覆蓋醫(yī)院偏離訪問次數(shù)基線的API訪問行為、偏離訪問數(shù)據量基線的獲取數(shù)據行為等常見的業(yè)務風險場景。


4.數(shù)據監(jiān)測溯源:利用數(shù)據交互監(jiān)測核心引擎、交互式搜索技術,實現(xiàn)訪問信息線索關聯(lián)分析,快速還原數(shù)據訪問全過程,定位數(shù)據泄露或濫用的源頭,提供從實時預警、攻擊鏈重構到電子證據固定的完整溯源能力。


關鍵技術或產品描述



1.技術架構設計


采用分層架構設計,主要分為協(xié)議技術、API智能畫像、API風險降噪、API審計溯源。如圖1所示。


微信圖片_20250729223221.png

圖1 平臺架構圖


協(xié)議技術:通過RAG技術、MCP技術,結合DeepSeek大模型,提升數(shù)據分析能力。


API智能畫像:基于處理后的數(shù)據,對API的功能場景、數(shù)據暴露面進行定義標識,并結合API的標簽、數(shù)據類型、數(shù)據敏感等級對API定級,如圖2所示。同時自主學習、實時更新API的參數(shù)結構,如圖3所示。


微信圖片_20250729223225.png

圖2 API智能畫像


微信圖片_20250729223228.png

圖3 API參數(shù)自主學習、實時更新


API風險降噪:根據OWASP API Security Top10類別,對弱點進行自動識別,發(fā)現(xiàn)API漏洞、不合規(guī)類風險,并結合智能生成的API業(yè)務基線發(fā)現(xiàn)API的數(shù)據泄露風險,實現(xiàn)基于業(yè)務基線的風險降噪。如圖4所示。


微信圖片_20250729223231.png

圖4 API業(yè)務基線


API審計溯源:運用交互式搜索技術,實現(xiàn)訪問信息線索關聯(lián)分析,快速還原風險事件的數(shù)據訪問鏈路,實現(xiàn)風險溯源功能。如圖5所示。


微信圖片_20250729223234.png

圖5 風險詳情溯源


2.關鍵技術


(1)RAG(Retrieval-augmented Generation)


RAG是一種結合了檢索技術與生成模型的混合人工智能技術,旨在通過引入外部知識庫或實時數(shù)據來提升文本生成的準確性、相關性和時效性。


● 降低幻覺:通過引入外部知識減少大模型編造錯誤信息。


● 增強時效性:可接入實時數(shù)據(如API分析后的弱點、風險數(shù)據)。


● 擴展知識邊界:突破模型訓練數(shù)據的局限性。


通過調用本地AI大模型,采用RAG技術,投喂健康醫(yī)療數(shù)據安全指南以及相關的API采樣數(shù)據,搭建編排工作流,形成具有醫(yī)療特色的數(shù)據分類分級模型,實現(xiàn)基于人工智能技術的數(shù)據接口分類分級,借助DeepSeek強大的深度學習推理能力對個人信息敏感數(shù)據以及醫(yī)療敏感數(shù)據準確分類,準確率高達90%以上,超越傳統(tǒng)手動分類或基于規(guī)則的分類分級方式。


(2)MCP(Model Context Protocol)


MCP(模型上下文協(xié)議)是一種新的開放協(xié)議,旨在標準化應用程序如何為大型語言模型(LLM)提供上下文。基于MCP開發(fā)出MCP Client和MCP Servers。由MCP Client充當大模型與MCP Servers的橋梁,通過MCP Servers給本地AI大模型提供各種工具來獲取API風險監(jiān)測系統(tǒng)的數(shù)據,根據用戶交互提出的任務目標,AI助手選擇并通過MCP Client調用合適的工具獲取系統(tǒng)數(shù)據并進行處置,進而完成用戶的任務。具體過程如下:


分析用戶給定的任務,根據任務需求智能匹配最合適的工具,并自動設置工具參數(shù)。如圖6所示。


微信圖片_20250729223238.png

圖6 AI助手-智能匹配工具


根據工具調用返回的HTTP請求、響應信息,分析弱點的真實性,并自動修改系統(tǒng)中弱點的狀態(tài)。如圖7所示。


微信圖片_20250729223241.png

圖7 AI助手-弱點真實性研判


應用效果



截至2025年3月,系統(tǒng)已運營4個月。實際監(jiān)測流量均值283Mbps、峰值885Mbps,實現(xiàn)數(shù)據中心互聯(lián)網核心業(yè)務流量監(jiān)測,目前監(jiān)測應用數(shù)量45個,日均API請求量超240萬次。


(1)利用RAG技術,本地AI模型完成共計2155個API的分類定級。在分類分級基礎上,通過持續(xù)監(jiān)測與分析數(shù)據交互,精準識別API業(yè)務使用場景中高敏感數(shù)據暴露事件,實時預警潛在風險。如使用身份證號碼的API共164個,其中4個API單次可獲取3000條以上的身份證號碼數(shù)據,如圖8所示。


微信圖片_20250729223244.png

圖8 API清單


(2)以3月監(jiān)測數(shù)據為例,系統(tǒng)共識別出138項潛在風險。經AI智能降噪后,驗證判斷系統(tǒng)誤報風險項達86項,AI降噪率達62.3%,經核查,仍有5項誤報,實際風險項為47項,降噪準確率94.5%。極大降低研判風險項真實性的時間和人力成本。


(3)當識別API業(yè)務使用場景中高敏感數(shù)據暴露時,可通過主體溯源模式還原數(shù)據交互路徑。針對風險告警事件,結合訪問信息線索關聯(lián)分析,數(shù)據安全管理員通過交互式搜索快速還原風險事件的數(shù)據訪問鏈路,加速風險接口的精準定位和處置流程的高效執(zhí)行。


總結



通過API風險監(jiān)測系統(tǒng)與AI大模型技術的結合,醫(yī)療數(shù)據交互風險智能監(jiān)測平臺實現(xiàn)了對API弱點風險的智能化、自動化處置,使高風險接口數(shù)量下降89%,提高了安全運營效率。API所帶來的醫(yī)療數(shù)據交互應引起衛(wèi)生健康行業(yè)的重視,在加強傳統(tǒng)網絡安全建設的同時,向“以數(shù)據為中心、以風險為驅動、以AI為抓手”的精細化治理模式轉型。平臺從API智能梳理、接口智能分類分級、風險智能研判等多方面,與新興AI技術結合,提升數(shù)據接口安全保障能力。


(來源:CHIMA 2025醫(yī)院新興技術創(chuàng)新應用典型案例集)


特別聲明:智慧醫(yī)療網轉載其他網站內容,出于傳遞更多信息而非盈利之目的,同時并不代表贊成其觀點或證實其描述,內容僅供參考。版權歸原作者所有,若有侵權,請聯(lián)系我們刪除。

凡來源注明智慧醫(yī)療網的內容為智慧醫(yī)療網原創(chuàng),轉載需獲授權。

Copyright ? 2022 上??评讜狗沼邢薰?旗下「智慧醫(yī)療網」版權所有    ICP備案號:滬ICP備17004559號-5