22.09论文笔记3：The Security of Blockchain-Based Medical Systems: Research Challenges and Opportunities

最新推荐文章于 2025-05-23 17:08:19 发布

Go-Light

最新推荐文章于 2025-05-23 17:08:19 发布

阅读量770

点赞数 9

分类专栏：论文笔记文章标签：论文阅读区块链

本文链接：https://blog.youkuaiyun.com/weixin_45310847/article/details/142825341

版权

A Blockchain-Assisted Privacy-Aware Authentication Scheme for Internet of Medical Things | IEEE Journals & Magazine | IEEE Xplore

基于区块链的医疗系统的安全性：研究挑战和机遇

一.引言

当前的 COVID-19 ⼤流⾏可能加速了向电⼦医疗系统（例如远程医疗）的转变。然⽽，在医疗保健服务的数字化中，我们必须确保医疗保健数据的安全性和隐私性，这些数据通常存储在医院的本地服务器或远程存储在受信任的云服务器中。已经有很多尝试设计基于区块链的⽅法来⽀持医疗系统的安全性和隐私.

本篇论文系统地回顾了关于基于区块链的医疗系统的现有⽂献。然后，将现有的安全解决⽅案分为三类，即 1) 去中⼼化⾝份验证、2) 访问控制和 3) 审计，并讨论基于区块链的医疗保健系统中的隐私保护技术。基于分析与研究确定了许多挑战，包括性能限制和不灵活的审计，以及未来的研究机会.

二.背景

医疗保健+区块链：增强安全性

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Go-Light

关注关注

9
点赞
踩
17

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

Algorithmic Accountability:A Legal and Economic Framework

weixin_42786150的博客

02-14

8947

Despite the potential for machine learning and artificial intelligence to reduce face-to-face bias in decision-making, a growing chorus of scholars and policymakers have recently voiced concerns that if left unchecked, algorithmic decision-making can also

Torts and Personal Injury

weixin_42786150的博客

02-17

2万+

tort law AR

参与评论您还未登录，请先登录后发表或查看评论

健康医疗 区块链_区块链如何帮助重新发明医疗保健

culh2177的博客

08-30

1555

健康医疗 区块链This article was originally published on Blockchain Review. Thank you for supporting the partners who make SitePoint possible. 本文最初发表在《 区块链评论》上。感谢您支持使SitePoint成为可能的合作伙伴。 Ever wondered abou...

CLOUD COMPUTING MADE EASY by Cary Landis and Dan Blacharski

源远流长

06-17

4903

CLOUD COMPUTING MADE EASYby Cary Landis and Dan Blacharskiwww.cloudipedia.comVersion 0.3CLOUDI PEDIA.COMCloud Computing Made Easy Virtual Global, Inc.http://www.virtualglobal.comhttp://www.teamhost.c

Exploring Explainability

weixin_42786150的博客

02-27

3500

Exploring Explainability

中国学术会议２００９---001

热门推荐

冯泰的专栏

01-21

3万+

会议名称（中文）：第一届工程与科学全局优化国际会议会议名称（英文）：The First World Congress on Global Optimization in Engineering & Science (WCGO2009)所属学科：数学　信息科学与系统科学　工程与技术科学基础学科　计算机科学技术　

大学英语三听说文本

weixin_30906185的博客

05-16

9907

网页表格大学英语听说文本以及答案.rar--------------------说明--------------------------------假设光盘目录为F:// 听力的文本数据库目录:F:\lib\data.mdb打开方式:Access打开密码:natasha包含听力的全部文本,以及对应音频的名字音频所在目录:F:\snd文件名u05_2.1_1n.mp3u05_2.1_1s.mp3...

边缘计算资源分配与任务调度优化综述

边缘计算社区

11-28

7399

王凌吴楚格范文慧（清华大学自动化系，北京 100084）首发：系统仿真学报摘要随着物联网和移动终端的迅速发展，边缘计算技术应运而生，通过将计算和存储配置在互联网边缘，处理...

机器学习，深度学习的资料和工具库大全

AITBOOK

08-28

9430

https://github.com/maismall 《Brief History of Machine Learning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》介绍:这是瑞士人工

论文阅读笔记——PixArt-α，PixArt-δ

Multiple_x的博客

05-22

858

PixArt-α，PixArt-δ 论文阅读笔记

VideoMAE论文笔记

Zssss12的博客

05-22

678

文章提出了一种名为VideoMaskAutoEncoder（VideoMAE）的自监督视频预训练方法，旨在为视频人物提供更有效的视频表示。该方法受到ImageMAE的启发，采用了极高比例的视频管掩码策略，以解决视频数据中的时间冗余和时间相关性挑战。VideoMAE通过高比例掩码和下采样剪辑来应对时间冗余，通过管道掩码策略来打破帧间内容的直接对应关系，从而防止信息泄露。此外，VideoMAE采用了非对称编码器-解码器设计，以优化计算效率。实验结果表明，VideoMAE在多个视频数据集上取得了优异的性能，证明了

LIEDNet: A Lightweight Network for Low-light Enhancement and Deblurring论文阅读

qq_45987837的博客

05-23

721

我们提出了一种名为LIEDNet的端到端框架，以高效且有效地在真实和合成数据上恢复高质量图像。具体而言，所提出的LIEDNet由三个关键组件组成：视觉状态空间模块VSSM，局部特征模块LFM 以及双重门控Dconv前馈网络DGDFFN。VSSM和LFM的结合使得模型能够捕捉全局和局部特征，同时保持较低的计算开销。此外，DGDFFN通过提取多尺度结构信息来提高图像保真度。在真实和合成数据集上的大量实验表明，LIEDNet在恢复低光、模糊图像方面具有优越性能。代码可在https://github.com/Min

LLM笔记（十）vLLM（1）PagedAttention论文笔记

Jerry的博客

05-20

1554

vLLM PageAttention论文笔记，以及核心源码分析。

StepX-Edit：一个通用图像编辑框架——论文阅读笔记

Guo_Python的博客

05-21

906

近年来，图像编辑技术发展迅速，GPT- 4o、Gemini2 Flash等前沿多模态模型的推出，展现了图像编辑能力的巨大潜力。这些模型展示了令人印象深刻的适应能力，能够满足绝大多数用户驱动的编辑需求，标志着图像处理领域取得了重大进展。然而，开源算法与这些闭源模型之间仍存在较大差距。为此，我们介绍了一种最先进的图像编辑模型——Step1X-Edit，旨在提供与GPT-4o和Gemini2 Flash等闭源模型相当的性能。

提升推理能力会丢失指令跟随的能力？——【论文阅读笔记】

xian_ren008的博客

05-23

555

本篇是对When Thinking Fails: The Pitfalls of Reasoning for Instruction-Following in LLMs 和Scaling Reasoning, Losing Control: Evaluating Instruction Following in Large Reasoning Models 这两篇论文的阅读笔记，指的注意的是，作者并不认同这两篇文章的结论，并对着两篇论文中的论证缺失的部分提出了批评

CLIP：论文阅读 -- 视觉模型

05-19

1811

CLIP（Contrastive Language–Image Pre-training）是一种创新的计算机视觉模型，旨在解决传统目标检测模型依赖固定分类体系和大量标注数据的局限性。该模型通过在4亿对互联网收集的图文数据上进行预训练，采用“预测图文匹配”的简单任务，成功从零开始学习到强大的图像表征能力。突破固定分类限制：利用自然语言作为通用接口，既能引用已学视觉概念，也可描述新类别，实现零样本迁移（zero-shot transfer），无需针对特定任务微调跨任务泛化性能。

【论文阅读】简单稳健的三角形表面布尔运算

WoooChi的博客

05-23

885

Simple and Robust Boolean Operations for Triangulated Surfaces † 翻译。

【论文阅读】LLaVA-OneVision: Easy Visual Task Transfer

最新发布

xianshuiyihui的博客

05-23

1212

多模态大模型LLaVA- OneVision论文详解

[论文阅读]Pandora: Jailbreak GPTs by Retrieval Augmented Generation Poisoning

m0_52911108的博客

05-23

629

间接越狱攻击GPT的RAG增强过程分四个阶段：❶GPT首先组织不同的用户上传的文档类型（PDF、HTML、Word），主要按文件名排序以实现高效检索。❷ 对于用户提示，GPT 确定是否需要信息检索，根据文件名从上传中选择文档。GPT 一次处理一个文件以提高效率。❸ 所选文档被分段和向量化，以便与用户的查询向量进行相似度计算。提取相似度得分最高的前 K 个片段，增强响应上下文。❹ 最后，将这些片段的内容与用户的提示相结合。该复合输入由大语言模型处理，通过直接合并文本或将矢量化片段嵌入到原始内容中。

http://challenge-069aeaf042dc3c92.sandbox.ctfhub.com:10800/

04-03

### CTFHub Challenge-069aeaf042dc3c92 Sandbox Details and Solution CTF challenges often involve a combination of reverse engineering, cryptography, network analysis, and exploitation techniques. For the specific challenge `challenge-069aeaf042dc3c92` on CTFHub, it appears to focus on password cracking using tools like **hashcat**, as well as analyzing JavaScript-based signing mechanisms. #### Password Cracking with Hashcat The process involves capturing an NTLMv2-SSP hash from a target system and attempting to crack it using brute force or dictionary attacks. The command provided demonstrates how this can be achieved: ```bash hashcat -m 5600 hash.txt pass.txt ``` Here, `-m 5600` specifies that the input hash is in NTLMv2 format[^1]. This approach requires preparing both the captured hash (stored in `hash.txt`) and a suitable wordlist (`pass.txt`). Upon successful execution, the tool reveals the plaintext password associated with the Administrator account, which was identified as `123.com`. #### Analyzing Byte-Signing Mechanisms In addition to password recovery tasks, some challenges may also require understanding complex web application security features such as signature generation algorithms used by platforms like TikTok. In these cases, identifying key functions within external scripts plays a crucial role. For instance, when dealing with sign values generated through calls made via `byted_acrawler`, one must trace its implementation back to resources hosted at URLs similar to: https://sf1-ttcdn-tos.pstatp.com/obj/ttfe/rc/acrawler.js This script contains logic necessary for producing valid signatures required during API requests[^2]. By combining knowledge about common attack vectors against authentication systems along with detailed examination into custom client-side protections implemented across various services, participants gain valuable insights applicable beyond just solving individual puzzles but enhancing overall cybersecurity skills too! ```javascript // Example Code Snippet Showing How To Use Acrawler Script const acrawler = require('./acrawler'); // Assuming local copy downloaded earlier. let result = await acrawler(); console.log(result); ```