医疗大数据安全——基于区块链的委托量子云架构

医疗大数据安全——基于区块链的委托量子云架构

Blockchain-based delegated Quantum Cloud architecture for medical big data security

导论相关研究

研讨会贡献关键贡献 系统模型

Pre-initialization phases 量子计算机终端

初始化阶段QMT和QCS之间的安全通信云委托的量子计算X和Z门协议的实现 评估与安全分析

性能评估安全性分析 结论

摘要智能医疗系统解决了分子可视化、DNA分析和治疗确定等复杂计算问题。这些被认为是当今超级计算机仍然面临的复杂问题。另一方面，量子计算承诺快速、高效和可扩展的计算资源，足以在指数时间内计算大规模和复杂的 *** 作。量子计算将充分创新计算的视角，这是一个事实。然而，它还不是一个可行的解决方案，因为它可能是罕见的和昂贵的生产。本文介绍了量子云即服务，为复杂的智能医疗计算提供高效、可伸缩和安全的解决方案。我们的创新之处在于量子终端机(QTM)和区块链技术的使用，以提高提出的架构的可行性和安全性。实验结果证明了该体系结构的可行性和所实现的Q-OTP封装的绝对安全性 导论

可扩展的智能医疗系统需要安全的数据收集、高效快速的数据处理和系统的知识提取(Demirkan, 2013)。这些应用通常是计算复杂的，并需要广泛和强大的计算资源。例如，使用当今的超级计算机，RNA测序需要至少1.5到12天甚至更多的计算时间(Kukurba和Montgomery, 2015)。此外，仅在美国，由传感器和健康记录生成的医疗数据就达到了1024G(transformation health, 2013年)。医疗保健大数据包括大型而复杂的电子健康记录(EHR)，如放射图像、注释、免疫日期、药物、治疗计划、实验室数据和测试结果。除EHR外，医学数据的计算还包括DNA计算、分子可视化、治疗发现等。大医疗数据的复杂性在于其数量、多样性和计算和管理的速度(Frost &sullivan: Drownin)。医疗数据的数量和种类为未经指示的记录创建了一个复杂的指数搜索问题。然而，管理这些类型的数据所需的长计算时间导致了改进的关键限制，在一些情况下可能是致命的(Javed等，2020;Singh, Azzaoui, Kim, Pan, Park等，2020年;Chen et al.， 2020;Alshammari等，2020年)。此外，医疗大数据的安全性和私密性是另一个迫切需要快速管理的问题。由第三方供应商造成的最严重的医疗保健数据泄露发生在2019年(Healthsecurity and Lates,2020)。
从另一个角度看，量子信息科学是下一个有前途的计算和数据处理领域。从本质上讲，全通计算融合了经典信息理论和量子物理定理(Abrams and Lloyd, 1997;EL Azzaoui, 2020)。Quan- tum计算机利用基本粒子的量子力学状态，特别是被称为自旋的内部角动量，来创造量子比特(Qubits)。根据量子物理定律，一个量子位持有两个值;1表示自旋向上，0表示自旋向下。因此，拥有n个量子位的量子计算机能够同步执行2n次计算，从而实现指数计算速度。
量子计算机可以有效地对无指示数据执行可扩展的复杂计算和搜索算法，提高智能医疗系统提供的服务质量，从而提高大医疗数据的可用性，是一个有前途的解决方案。然而，就像早期的经典计算机，量子计算机是稀缺的，可能是昂贵的。为此，本文提出了一种基于区块链的委托量子云架构，用于医疗大数据的处理和安全。区块链用于安全目的，选择和认证云中可以参与、共享和使用量子服务的节点。此外，量子服务器托管在云端，用于安全存储和处理医疗相关的大数据，量子终端机被用作经典用户和云端量子服务器之间安全且经济的中间体。

我们提出了一种基于区块链的委托量子云架构——用于安全的医疗数据处理。我们提出的架构分为三个阶段:区块链集群生成阶段、量子终端机阶段和量子云即服务阶段。区块链作为一种分布式技术，在量子终端机(Quantum Terminal Machine)的边缘层，实现了智能医院、医学研究机构、智能医疗提供商等经典用户之间的安全通信。这个阶段生成安全的经过身份验证的集群，这些集群可以访问量子云并从量子云的计算能力中获益。量子终端机器，被称为量子图像，被用作经典云服务器和量子云服务器之间的安全介质。它的主要作用是将经典位元转换为量子位元，并将量子云接收到的结果编译为用户破译的经典位元。利用委托量子云概念，在云层安全地计算病人敏感数据，同时保护信息保密(输入和输出)和计算

我们提议的研究论文的其余部分组织如下;第二部分介绍了简要的背景研究，包括相关的工作和拟议的建筑考虑。第三部分包括主要思想概述以及接下来的阶段，在建议的体系结构。第四部分讨论了安全性分析和性能评估。同时，第五部分对开放式研究面临的挑战进行了详细的论述。最后，我们在第六部分结束了这项工作。

相关研究

医疗数据的复杂性促使人们使用更强大的计算资源来达到所需的服务质量(QoS)和体验质量(QoE)。云端的量子计算机理论上能够提供快速、高效的大医疗数据计算和分析。在接下来的文章中，我们将讨论量子云即服务的一些主要思想和协议。

研讨会贡献

Singh等人(Singh和Sachdev, 2014)讨论了部署量子云即服务的可能优势。他们的论文提出了量子技术与云服务集成的全面分析。作者指出，量子云即服务技术的基本好处是消除了可能使用量子云的基于量子的加密的安全困境。然而，本文并没有提供任何一致的案例研究或分析来支持所提出的观点。另一方面，Xin等人(2018)在核磁共振量子计算机上描述了量子云的概念。提议的服务类似于IBM的量子云体验，在那里他们部署了核磁共振来实现计算任务。尽管如此，通过随机基准测试，它们只能提供至多2量子位保真度。Gong等人(2021)在可信的量子云服务器上提出了K-means算法的高级用法，该算法广泛用于解决集群问题。k-means算法执行核心子例程SwapTest和GroverOptim，同时减少了客户端的负载。然而，他们的建议要求常规客户拥有一台小型的Quantum机器，以便在云层与量子服务器通信。表1总结了上述讨论的相关工作，并与我们的方案进行了比较。

这些先进的论文介绍了量子服务器在云层的用途，并讨论了它如何在指数水平上提高计算效率，通过使用不同的算法，如Grover搜索算法、K-means算法等来测试它。然而，这些作品的局限性是类似的;用户或客户都需要有一个量子机器来交付结构作为量子位，并编译结果回来。这种技术被称为量子互联网，它在两台量子机器之间建立通信，一台在客户端级别，另一台在云级别(更强大的服务器)。基于量子互联网的通信无疑是一种非常安全的传输数据和计算指令的手段，但由于成本要求和纠缠复杂性等多种原因，它是不可行的(Kim等人，2021年)。因此，本文利用区块链技术、量子终端机和一种介质，提出了一种可实现的、经济的、可扩展的、安全的、高效的解决方案

关键贡献

该架构的主要考虑因素如下:

可扩展性:智能医疗系统结合了先进的物联网设备、传感器和大型复杂数据，包括放射图像和病史。该应用程序的最终目标是提高患者的生活质量和服务质量。随着越来越多的应用、传感器和患者的加入，医疗大数据正在迅速增长。因此，创建可伸缩的基础设施，使医疗保健提供商能够维护其快速增长的组件的需求，而量子云作为服务可以确保这种可伸缩性。效率:计算效率是大医疗数据的另一个关键需求。然而，随着现有的、快速增长的大规模应用的出现，由于需求和需求高于现有的传统服务和系统，效率并不总是能得到保证。因此，需要一个快速高效的计算系统来平衡医疗数据处理的可扩展性和效率，从而提高患者的QoS。安全和隐私:智能医疗系统旨在收集大量数据，特别是实时获取的数据和信息。用户的私人信息，如ID、姓名、位置、健康状况等，黑客可能有意或无意地缺乏这些信息。因此，保护这些数据是一个关键的要求。这个问题的解决办法是只允许预先验证过的用户访问。保密性:大医疗数据的主要挑战是信息的安全性和隐私性。敏感数据容易受到第三方的攻击，可能导致数据被未经授权的个人 *** 纵、丢失或暴露。此外，智能医疗系统更容易受到安全攻击和数据泄露，因为它们持有用户的敏感信息。完整性:任何未经授权方对数据的 *** 作或修改是智能城市环境中的另一个关键问题。攻击者可能使用恶意软件或伪装攻击来删除数据。可用性:在智能医疗环境中，由于其敏感性质，数据应由经授权的个人和各方在需要时访问。确保数据可用性对智能医疗系统的功能至关重要，因为它主要依赖于数据采集。 系统模型

为了在云层面保障医疗数据的安全，利用量子技术提高计算效率，解决在用户层面使用量子机的成本和可行性困境，本文提出了一种新的解决方案。我们提出的体系结构可分为三层:1)医疗设备层，2)边缘层，3)云层。该体系结构的概述如图1所示。

该体系结构由三层组成，旨在利用委托量子计算和区块链技术创建可行、安全、可扩展的医疗大数据处理。

设备层:我们提出的体系结构的第一层是设备副层;它损害了由受信任的医疗保健服务提供商(如医院)收集的智能医疗保健数据。这些数据可以直接从医疗物联网设备和可穿戴传感器中获取的患者的医疗记录，或患者的药物、疾病、分析、放射史等医院记录。这些数据被称为电子医疗记录(Electronic Healthcare Records)，由于其性质，这些数据很容易理解，对于为每一位患者创建有针对性和个性化的治疗至关重要;因此，它需要更高的安全性度量。此外，复杂的医疗数据包括DNA测序、药物分子可视化、治疗发现等数据也在这一层收集。这些数据对于使用当今速度更快的超级计算机来计算是至关重要和具有挑战性的，它们直接有助于更好地治疗和理解每个病人的病例;因此，他们迫切需要快速、可伸缩和高效的数据处理。边缘层:提议的体系结构中的第二层是边缘层。这一层是我们提案的主要贡献。区块链技术驻留在这一层，创建一个由诚实节点组成的安全集群，这些节点有权访问量子云并从其服务中受益。此外，量子机终端，即权通图像，也包括在这一层，以方便经典用户和量子云之间的通信。云层:建议中的最后一层是量子服务器所在的云层。云端的量子服务器执行来自客户端的各种请求计算，例如DNA测序、药物发现，或者在不知道输入信息的情况下搜索未经指示的和变体的数据库。因此，在量子云服务器上提供了委托计算的名称。与任何经典计算机相比，所请求的分析以指数级的速度、可伸缩性和效率执行，更安全，因为客户端和量子服务器在云上的通信通道是通过区块链技术验证和验证的。此外，计算是盲目进行的，这将确保信息和计算。为了实现和模拟这个提议的架构，我们考虑了这样一种情况:云中的每个服务提供商都有自己的嵌入式量子服务;在智能医疗保健场景中，服务提供商控制一个基于量子的专门用于医疗保健服务的云。

该架构的主要设计可以分为三个基本步骤;首先，进行基于区块链的集群选择的预初始化阶段。为了防止恶意节点和智能医疗系统组件(如假医院)访问量子网络的服务，使用区块链对请求提供服务的每个节点进行验证和验证。二是量子机终端的基本初始化阶段;量子机器终端(QMT)是经典设备和量子服务器之间的媒介。QMT是一个至少有1个量子位的小型量子机器，它帮助将经典比特编译成量子服务器可读的量子位，反之亦然。最后，在云层的量子云计算阶段。量子云计算(QCC)是在量子服务器上运行的一套 *** 作和功能，用于医疗广泛的数据安全和处理，如委托量子计算(DQC)和Grover的搜索算法。在下面的小节中，我们将详细描述这些阶段

Pre-initialization phases

由于量子云所保证的计算能力，并不是每一个智能医疗系统的客户都有权访问和使用它。只有预先验证和认证的节点，如诚实的医院和国家卫生提供商，才能请求使用量子云服务，因此，只有相同的认证设备能够接收从量子云返回的计算结果并解密它们。区块链是一种分布式的、安全的、加密保证的、既非伪造也非修改的分布式账本技术可以作为一种验证和认证节点的手段。在这种情况下，我们提出了一种基于区块链的聚类选择;所使用的共识算法是著名的实用拜占庭容错算法的改进版本。一个联合体区块链是考虑周到的，其中验证和验证请求的节点都是预先选定的节点。算法1描述了所需的步骤。


诚实客户的选择可以解释为:当客户(医疗保健提供商、医院)希望从量子云服务中获益时，它必须首先向检查机构(CA)发送请求。在该算法中，CA可以是管理其他客户端的政府医疗机构;在该算法中，CA被指定为根的角色。CA验证客户端的身份;如果它是准确的，CA成为分配的CL0根，并开始广播消息。收到CL0报文的对等体继续守护该报文，并计算其内存中的报文数量。当消息数达到f+1轮时，广播提交状态，并将标记结果发送到CL0。该算法中部署了函数标记，用于最后阶段检查。参与的同伴继续发送结果到CL0，直到它达到2f+1。使用标记函数，可以比较CL0和CLk的结果。如果结果一致，客户被认为是一个诚实的客户;如果没有，请求是被遗漏的。

基于区块链的集群选择确保了只有诚实的客户端才能成为系统的一部分，从而提供了智能医疗客户所需的保护。因此，只有诚实且经过验证的客户才能使用该系统。然而，这并不是区块链在我们系统中的唯一角色。在对诚实节点进行验证和验证后，区块链将在边缘层保护被验证的健康服务提供商和量子机终端之间的通信。这个额外的阶段加强了私有数据和计算请求的安全性，并确保量子机终端对输入和输出是盲目的

使用算法2，我们使用区块链加密从医疗保健客户端发送到边缘层QMT的所有消息，并使用曲线25519 Diffie-Hellman密码密钥(CDHCK)加密私有客户端密钥。使用新生成的加密私钥对打算使用NaCl Crypto Box算法发送的消息进行加密。NaCl盒是一种新型的用于网络通信的高速库.它用于加密、签名和解密消息。我们在我们的框架中部署了这个算法，因为它易于使用和高速性能。医疗保健客户端发送的消息和计算请求包括敏感信息，如患者姓名、病史甚至DNA信息。所有这些数据都需要在量子服务器上进行繁重的计算。在我们提出的框架中，我们在边缘层使用量子机器终端(QTM)作为医疗保健客户端和云中的量子服务器之间通信的手段。并且，与其他相关工作不同的是，我们使用区块链技术考虑了客户端与边缘节点之间通信的安全性。因此，QMT是完全盲的，不知道医疗保健客户端发送的数据或计算请求。QMT的作用是将客户端发送的消息和请求从经典比特转换为量子服务器的可读量子位。下面的部分将详细部署这个步骤。

量子计算机终端

量子机器终端(Quantum Machine Terminal, QMT)，又称量子图像(Quantum Image)，是本文的主要贡献之一。QMT被用作传统客户端(如智能医院和云中的量子服务器)之间的媒介。因此，减少需要有一个量子计算机在终端用户级别，这是不可行的在今天的场景。此外，QMI使用基于量子的加密技术增强了客户端和量子服务器之间通信的安全性。

初始化阶段

QMT包括一个预先配置的开发环境，一个运行在边缘资源上的虚拟量子机器，并包括编码门和编译器，如图2所示。编码门的作用是将经典位转换为量子位，并将产生的量子位编码为门。为了将量子位编码为门，我们部署了Rx、Ry和Rz量子逻辑门。

Rx门:Rx是旋转算子之一。它是基于角度θ绕x轴旋转的单个量子位，如:

Ry门:Ry是旋转算子之一。它是通过角度θ绕y轴旋转的单量子位，如:

Rz门:Rz是旋转算子之一。它是通过角度θ绕z轴旋转的单量子位，如:

Rx、Ry和Rz门以及CNOT门的使用允许我们将量子位编码到门中，准备发送到量子服务器所在的云。为了构建这个系统，我们使用了IBM的量子云进行研究，使用了Qistkit语言。图3所示。一个捕获代码部署创建所需的门，而图3。B描述了它的视觉表示。

QMT和QCS之间的安全通信

医疗客户端采用区块链将消息转发到量子机终端安全所在的边缘层。为了进行处理，QMT必须将消息发送到量子云服务器。大量论述了计算的角度及其错误的正确性。然而，据我们所知，安全方面还没有得到考虑。量子密钥分发(Quantum Key Distribution, QKD)是一种基于公共密钥的远程安全通信方式。QKD是最常用的量子密码解决方案之一，因为它被证明在完美的量子通信信道上是无条件安全的。然而，它在噪声信道上是准不安全的，正如W ojcik (W ojcik, 2003)所讨论的。此外，QKD适合于检测编码的消息是否已泄露给窃听者，但编码的秘密消息可能在检测到窃听者之前就被泄露，这违反了医疗保健应用程序的安全需求。另一方面，量子一次性Pad (Q-OTP)允许在私钥与消息长度相同的两个实体之间建立绝对安全的通信。Q-OTP的使用确保了在一个秘密的直接通信环境中完全的通信安全和隐私。本文对Deng等人(Deng和Long, 1103)提出的创建量子安全直接通信(QSDC)的建议进行了改进。QSDC用于紧急情况下发送安全消息，而无需生成共享密钥。在我们的场景中，医疗保健客户端在使用区块链技术进行验证和身份验证后，可以在边缘层直接与QMT通信。医疗保健客户端为能够将所需的计算功能作为加密消息发送到QTM。接着，QTM将消息从经典位转换为量子服务器可以理解的量子位。在这个阶段，QTM需要在云层与Quantum服务器建立一个安全的通信通道。为此，我们部署了Q-OTP算法，以确保通信信息的安全性和私密性。假设医院a (HA)实验室需要在量子服务器(QS)上对病人的DNA执行一组特定的计算。因为DNA中包含了患者的敏感信息和资料，所以通信渠道和信息必须确保不被窃听。为了实现消息的安全转换，HA和QS采用了线性基础：

| H比;对应水平偏振态，|V >对应垂直偏振状态。以及对角线基

状态|u >和|0 >表示0的二进制值，|d >和|1 >表示1的二进制值。直线基和对角基是本方案中使用的主要测量基。
要创建一个Q-OTP，我们必须遵循两个步骤:

发送阶段:QS准备并发送单个光子批，其中每个光子基于四种主要状态之一被极化，即|H >， |V >， |u >和|d >。HC接收这批光子并随机选择一组光子进行测量。基于错误率的概念，QS可以判断是否存在窃听者(通过对HC先前知识的测量进行比较)。如果错误率低，则认为信道是安全的，通信可以保持。否则，传输将被丢弃。该方法利用了|H >， |V >， |u >和|d >;四种状态和一组随机批次，使其在不透明攻击下比其他方法更安全。发送阶段可在算法3中总结。


报文编码和返回:在对通信信道的安全性进行检查后，由HC对报文进行编码并发送给QS。为了做到这一点，HC利用了两种幺正运算中的一种，特别是I和U *** 作，如算法4所示。这两个测量基都使用算子U来翻转各自的状态，如下所示：

HC将编码后的批处理和消息返回给QS。由于QS已经知道了测量依据，所以可以安全地读取秘密信息。因此，在这个阶段，即使窃听者设法中断了通信，也无法读取信息，从而实现了通信的完全保密。

云委托的量子计算

委托量子计算(DQC)允许我们充分受益于量子计算能力，同时保护信息和计算安全。DQC中的计算 *** 作是一组纠缠态的测量角度(Kashefi和Pappa, 2017)。为了组成量子电路，我们可以使用下列门序列:{X, Z, H, P, CNOT，和R}构成图5~10，所有的辅助量子位制备和单量子位计算基础测量。


基于XZ = ZH的原则，我们可以将H-gate协议表示为：

根据PZ = ZP, PX = -i ZXP，可以给出P-gate协议

类似地，CNOT-gate协议可以描述如下，其中|φ >是一个2量子位系统。

云端的量子服务器只能访问QMT以其加密形式发送的输入。我们必须在这里提到，QMT使用量子一次性垫方法对经典客户端发送的委托计算请求进行加密。传统的客户端可以选择在加密阶段使用的nonce。因此，当接收到输出时，它可以解密;服务器和QMT不了解任何关于输入的信息。回顾(Deng and Long, 1103)中提到的量子信息符号，我们注意到

泡利（Pauli）门X和Z分别表示泡利-X，泡利- y表示泡利矩阵σx和σz等


基于下列阿达玛矩阵将状态|0>映射到 ∣ 0 > + 1 > 2 frac{|0>+1>}{sqrt2} 2 ​∣0>+1>​和状态 ∣ 0 > + 1 > 2 frac{|0>+1>}{sqrt2} 2 ​∣0>+1>​映射到 ∣ 0 > = 1 > 2 frac{|0>=1>}{sqrt2} 2 ​∣0>=1>​的阿达玛门

相门可以表示为:

最后，双量子位门CNOT可以表示为:

基于此知识，我们可以构建代表门，对医疗保健客户接收到的加密数据执行盲量子计算。虽然之前我们已经检查了通信通道是否保存使用，但要达到盲计算或委托量子计算，还需要执行三个步骤，主要是:

客户端使用一次性量子垫加密她的寄存器，并将加密的寄存器发送到服务器。客户端和服务器端根据要执行的电路进行一系列的通信，每次通信后客户端都会重新调整每条相关量子线上的加密密钥。服务器将输出寄存器返回给客户端，客户端根据计算出的密钥解密。

作为测量和辅助量子位准备协议的第一步可以在下面的图4中描述。第二步被称为Clifford群门，其中泡利矩阵和Clifford群 *** 作之间的一系列众所周知的关系是下面协议的基础

X和Z门协议的实现

实现通用量子计算所需的唯一剩余门是一个非clifford群门(见图9)。我们选择在这个阶段实现R门，如图10所示。当a = 1时，r门的输出需要P校正，如图11所示。

这种方法将允许我们为医疗保健客户执行完全盲量子计算，如DNA计算，同时确保输入、输出和计算。首先，QMT生成一个量子位序列，其中包括原始消息量子位和一个额外的辅助量子位，以迷惑服务器。生成的量子位序列将根据门{X, Z, H, P, CNOT和R}之间的顺序被平均地分配，其中一个门被随机选择来保存没有辅助量子位的委托消息，而剩下的门包含剩下的量子位元。然后，基于Q-OTP对量子位序列进行加密，并转发到QS，在QS中对所有量子位序列执行所需的各种功能和 *** 作。最后，输出返回给QMT，根据原始选择提取消息量子位，解密，然后转发给客户端。上述步骤可以在算法5中总结出来，如图12所示。

评估与安全分析

为了评估第一步(基于区块链的集群选择)，我们使用了Network Simulator-3 (ns-3)，它依靠c++实现智慧城市网络模型，使用Python实现网络拓扑。部署GOEthereum来实现区块链。模拟是在一台运行在Ubuntu Linux下、拥有16gb内存的intel core-i7计算机上进行的。我们在第二步和第三步的研究环境中使用了IBM Quantum Experience。IBM Quantum Composer和IBM Quantum Lab平台允许研究人员访问5量子位量子服务器。

性能评估

所有的算法和结果都是使用基于Qiskit的IBM访问工具执行的，Qiskit是一个用于在脉冲、电路和应用模块上与量子计算机一起工作的开源SDK。最后，我们在发送到Quantum云服务器的数据上测试了一个Grover搜索功能。结果如图13所示，显示了测量正确状态的高概率，图14表示了Grover算法门的视觉概念。

为了证明我们提出的基于区块链的体系结构的有效性，我们考虑了三个主要的网络性能指标;故障对等体的延迟，网络执行的一般延迟，以及使用PBFT与经典算法相比的网络吞吐量。本文提出的区块链算法在执行方面比经典PBFT算法有更好的效果，如图15所示，我们在四个故障对等体的情况下，使用go -以太坊在NS-3上进行仿真，以创建一个安全的、私有的通信数据集群。

图16显示了一般通过网络实现PBFT延迟与经典算法相比,描绘在图中,建议PBFT记录一个低延迟2 s与更高的延迟记录器在13秒,然而,经典算法记录短延迟12秒,可以达到48秒。很明显，该算法大大降低了延迟，提高了QoS和QoE。

吞吐量仿真及结果如图17所示。正如所描述的，所提出的PBFT在模拟过程中能够保持高而稳定的吞吐量，而经典算法的吞吐量随着网络中对等节点的增加而下降。

实验结果证明了该体系结构采用区块链技术的可行性。与经典的BFT算法相比，提出的解决方案记录了低延迟和高吞吐量，这使得它非常适合在实景场景中实现，以补充和保护基于量子的云环境。
表2给出了对医疗数据执行Quantum委托计算和其他 *** 作(如Grover搜索算法)所需的延迟、预算。

安全性分析

给出一个量子状态|φ >，一个消息m，一个密钥k， |φ >的加密是基于位翻转 *** 作X的，例如，如果k = 1，状态|φ >被翻转，如果k = 0，什么都不发生。下面的示例拖拽方程描述了消息m的加密。

在式中，X取m到m⊕1，如:

解密方式如下:

加密阶段可以描述为:

在这种情况下，如果窃听者干扰了通信，那么窃听者可以看到的是密钥为1或0的两种情况之一:
如果k = 0, 窃听者将看到矩阵|m >< m|，如果k = 1, 窃听者将看到。X|m > < m|X。
如果我们对这两种情况进行平均，我们得到以下密度矩阵:

ρ是窃听者能看到的状态，且有单位矩阵：

Π 2是最大混合状态。我们在这里注意到，我们得到了完全独立于消息的最大多样化的状态，而窃听者不能检索任何信息。X *** 作确实能够加密标准基态;然而，在阿达玛基础上我们需要使用Z算子，如:

对于Q-OTP，我们需要同时使用X和Z运算，X适用于标准基加密，Z适用于Hadamard基加密。它们都被用来加密任意的量子位。然而，要应用两个 *** 作符，我们需要为消息的每个量子位部署两位经典密钥。因此，对于消息m，我们有如下的加密方程

而解密可以描述为:

这可以直观地描述为图18，我们注意到球体中间的平均值是正确的，这等于Π/2,如:

医疗保健应用程序要求采取高安全性和隐私措施，因为它保存了有关患者的敏感信息，比如他的病史和疾病，以及他的身份、姓名、年龄等。或者是制药行业的实验室数据。此外，医疗服务所需的大量计算，如DNA计算，需要在服务器层的量子计算机提供广泛的计算能力。许多研究已经研究了量子服务器在数据计算上的性能，但是，据我们所知，很少有研究解决了与这类委托相关的安全问题。量子服务器本身对多重网络攻击是安全的。但是，客户端和服务器之间的通信是不安全的。窃听者可以中断通信并了解从客户端发送到服务器的消息。作为这个问题的解决方案，在这个方案中，我们部署了QOTP，在启动与服务器的通信之前，它对秘密消息进行编码并验证通信，要确保通道的安全性。这被证明是完全保密的。因为，如果是随机选择的测量基准，即使窃听者设法中断通信，也不会泄露信息。
该架构为智能医疗系统部署了基于量子的云委托计算。如上所述，实现的PBFT记录了低延迟和高吞吐量，这使得可行和可扩展，因此执行成本更低。此外，在云服务中使用的量子计算能力可以部署现有的量子云服务，如D-Wave、IonQ和Rigetti。这些服务每任务执行价格为0.3美元，每次不到0.01美元，执行起来相对便宜且可行。委托的量子算法可以直接实现到这些量子云服务中的一个，每个服务提供商可以在边缘上装备一个小的1qubit量子机器图像，作为客户端和量子云之间的中间体。1量子位量子机的实现成本相对较低，这使得我们提出的架构可行、安全、可扩展和成本效益。

结论

云中的量子计算无疑可以为智能医疗环境提供理想的计算能力和安全性。我们提出的架构部署了两项领先技术，为智能医疗创造了更好的服务质量，并确保了更好的安全性。区块链将减少客户端对量子机器的需求，它将提供对量子云的诚实设备和客户端的安全访问。边缘层的量子终端(量子图像)将编译经典位到量子位，反之亦然。使用完全盲计算，量子云能够计算复杂的医疗保健客户的请求，同时保持信息和计算安全。例如，我们在量子云上对完全加密的数据计算了Grover搜索算法，以衡量所提出架构的安全性。分析证明了Q-OTP的无条件安全性，仿真结果表明基于区块链的委托量子云架构实现医疗大数据安全的可行性。在我们未来的工作中，我们计划实现这个架构，并在真实的医疗数据上执行不同的计算，以更好地测量量子错误率。

版权声明：本文是对世界上位5%的顶级论文期刊（Joural of network and computer applications）的论文【Blockchain-based delegated Quantum Cloud architecture for medical big
data security 】解读学习。商务报告引用或学习转载须备注信息出处。本文是2022科研最新成果之一，已公开发布于学术论坛，各授权的学术数据库可访问，本文公开翻译已获作者授权。

---

参考文献：Azzaoui, Abir EL, Pradip Kumar Sharma, and Jong Hyuk Park. "Blockchain-based delegated Quantum Cloud architecture for medical big data security." Journal of Network and Computer Applications 198 (2022): 103304.