تحليلات بيانات قابلة للتوسيع تحمي الخصوصية لإنترنت الأشياء الطبية عبر التشفير المتجانس والإثباتات الصفرية المدعومة بتجميع الحافة

لماذا تهم سلامة البيانات الطبية

تعتمد الطب الحديث بشكل متزايد على أجهزة نرتديها أو تُزرع داخلنا—ساعات تتعقب معدل ضربات القلب، أجهزة مراقبة الجلوكوز، ومقشات ذكية. تشكل هذه الأجهزة معاً «إنترنت الأشياء الطبية»، الذي يبث بيانات صحية مستمرة إلى الأطباء والمستشفيات. هذه التدفقات قيمة لاكتشاف علامات مبكرة، لكنها أيضاً بيانات شخصية للغاية. تقدم هذه الورقة MedGuard، إطاراً مصمماً لتمكين أنظمة الرعاية الصحية من التعلم من تلك البيانات على نطاق واسع مع إبقاء معلومات كل مريض محمية من المتطفلين—حتى من الحواسب التي تجري التحليل.

مشكلة شبكات الصحة الذكية الحالية

تعمل أنظمة الصحة المتصلة الحالية بإرسال قراءات من آلاف الأجهزة إلى بوابات محلية ثم إلى السحابة للتحليل. على طول هذه السلسلة تظهر عدة نقاط ضعف. قد تقوم بوابة خبيثة بتعديل البيانات أو إسقاطها بصمت، مما يحرف إحصاءات مثل متوسط معدل القلب أو سكر الدم. العديد من الحمايات الحالية تركز فقط على تشفير البيانات أثناء النقل، من دون إثبات أن النتائج الناتجة صحيحة فعلاً. أخرى إما بسيطة للغاية—تدعم فقط عمليات جمع أساسية—أو ثقيلة للغاية وتثقل أجهزة منخفضة الطاقة بحسابات معقدة. نتيجة لذلك، تضطر شبكات الصحة إلى الاختيار بين تحليلات غنية وخصوصية قوية وأداء عملي، بدلاً من الحصول على الثلاثة معاً.

طريقة جديدة لحماية والتحقق من البيانات الصحية

صُممت MedGuard لسد هذه الفجوة. تجمع بين فكرتين متقدمتين من علم التشفير بطريقة شفافة للمرضى والأطباء. أولاً، يقوم كل جهاز بتشفير قراءاته بطريقة خاصة تسمح للحواسب بجمع الأعداد وحساب متوسطها من دون فك التشفير أبداً. ثانياً، عندما يجمع بوابة الحافة قراءات من عدد كبير من المرضى، تنتج أيضاً «إيصالاً» رياضياً صغيراً—إثبات معرفة صفرية—يُظهر أن الحساب الذي أجري كان أميناً، مرة أخرى من دون كشف البيانات الأصلية. تقبل السحابة النتيجة فقط إذا تحقق من صحة هذا الإثبات. هذا التصميم يلغي الحاجة للثقة العمياء بأي وسيط: حتى لو تم اختراق عقدة حافة، لا يمكنها تزوير إحصاءات إقليمية بشكل مقنع دون أن يُكشف تزويرها.

كيف يعمل مسار MedGuard عملياً

في مخطط MedGuard، تشفر أجهزة الاستشعار البسيطة على الجسم أو بداخله كل قياس جديد وتلحقه ببيانات وصفية أساسية مثل الوقت ومعرّف الجهاز. تسافر هذه الحزم المشفرة عبر وصلات إنترنت آمنة إلى خوادم الحافة المحلية. يجمع كل خادم حافة بيانات نحو عشرة أجهزة، وبقية دون فك التشفير، يحسب المجاميع والمتوسطات أو مقاييس التشتت. ثم يولد إثبات المعرفة الصفرية ويرسل كل من النتيجة المشفرة والإثبات إلى السحابة. تتحقق السحابة أولاً من الإثبات؛ وبعد ذلك فقط تجمع نتائج جميع المناطق، وتُجري تحليلات أكثر تقدماً—مثل اكتشاف قفزات غير عادية أو اتجاهات طويلة الأجل—وللطباء المخولين، تكشف فقط الإجابات المجمعة النهائية. تبقى بيانات المرضى الخام مشفرة في كل مرحلة وتُخزن في قاعدة بيانات آمنة بقواعد وصول دقيقة.

الأداء في شبكة مستشفى محاكية

اختبر المؤلفون MedGuard في محاكاة حاسوبية مفصّلة تضم 1000 جهاز طبي، و100 عقدة حافة، وخادم سحابي مماثل لما يُستخدم عملياً. زوّدوا النظام بمزيج من بيانات أجهزة الاستشعار الواقعية القابلة للارتداء وبيانات اصطناعية مُنشأة بعناية تعكس أنماطاً واقعية لمعدل القلب، وسكر الدم، والنشاط، بما في ذلك شذوذات متعمدة. حتى مع تفعيل كل الحمايات، استجاب MedGuard في نحو 65 مللي ثانية من طرف إلى طرف—سريع بما يكفي للمراقبة في الوقت الحقيقي—وحسّن التأخير بأكثر من 13 بالمئة مقارنة بالبدائل الرائدة. كما تعامل مع أكثر من ألف حزمة واستعلام في الثانية، واستخدم طاقة أقل لكل استعلام من المخططات الآمنة المماثلة، وصمد أمام مجموعة واسعة من الهجمات المحاكاة، من التنصت وتلاعب البيانات إلى هجمات نفي الخدمة، مع فرص منخفضة للغاية لنجاح اختراق.

ماذا يعني هذا لرعاية المرضى المستقبلية

للغير متخصصين، الرسالة الأساسية هي أن MedGuard يثبت أنه من الممكن الحصول على أفضل ما في العالمين: مراقبة صحية واسعة النطاق ودائمة الضخ وضمانات رياضية قوية بأن البيانات تظل خاصة والنتائج موثوقة. يمكن للأطباء إجراء إحصاءات وغُرف تحليل اتجاهات غنية على مجموعات المرضى بأكملها من دون الاطلاع على قراءات الأفراد الخام، ولم تعد المستشفيات مضطرة لوضع ثقة عمياء في العديد من الحواسب الواقعة بين جهاز المريض والقَبة السحابية. وبينما يحتاج الإطار إلى تجارب ميدانية فعلية ومزيد من الضبط لتخفيف العبء الحسابي، فإنه يرسم مساراً عملياً نحو نظم رعاية صحية ذكية ليست فقط ذكية وسريعة، بل يمكن التحقق من أمانها بالنسبة للمعلومات الحساسة للمرضى.

الاستشهاد: Ben Othman, S., Mihret, N. Scalable privacy-preserving data analytics for IoMT via FHE and zk-SNARK-enabled edge aggregation. Sci Rep 16, 5098 (2026). https://doi.org/10.1038/s41598-026-35284-0

الكلمات المفتاحية: إنترنت الأشياء الطبية, تحليلات تحمي الخصوصية, التشفير المتماثل/المتشابه (Homomorphic Encryption), إثباتات المعرفة الصفرية, الرعاية الصحية الذكية