GPT、本体和 CAABAC：基于合规性、上下文和属性的三元个性化访问控制模型

数字医疗健康演变过程中，电子健康记录 (EHR) 的安全性变得越来越关键。本研究提出了 GPT-Onto-CAABAC 框架，整合了生成式预训练转换器 (GPT)、医学法律本体和上下文感知属性基于访问控制 (CAABAC)，以加强 EHR 访问安全性。与传统模型不同，GPT-Onto-CAABAC 动态解释政策并适应不断变化的医疗和法律环境，提供定制的访问控制解决方案。通过实证评估，该框架被证明能够通过准确对齐访问决策和复杂的监管和情境要求，有效提高 EHR 安全性。研究结果表明 GPT-Onto-CAABAC 在需要符合严格合规性和适应性标准的领域具有广泛的适用性。