基于自适应的神经模糊推理的医疗大数据风险访问控制研究

针对传统风险预测方法预测精度低，导致医疗大数据风险访问控制效果不佳的问题，提出构建一个基于自适应神经模糊理论的风险轻量化模型。首先，对BP神经网络的基本原理进行具体分析；然后在BP神经网络的基础上，结合模糊理论知识和T-S模型特性，构建一个基于T-S的模糊神经网络模型；最后通过此模型对访问风险进行量化处理，并根据访问控制策略判断是否授予访问权限。仿真结果证明，构建的模型预测结果与实际输出结果误差均值小于le-5;在非法用户的比例小于15%时，基于自适应神经模糊理论的风险轻量化模型的精确率和召回率较高。由此说明，该模型在医疗大数据风险访问控制中具有可行性。