醫(yī)院數(shù)字化發(fā)展過程中，API已成為信息系統(tǒng)間主要的數(shù)據(jù)交互方式。信息系統(tǒng)通過標(biāo)準(zhǔn)化接口實現(xiàn)多源異構(gòu)數(shù)據(jù)的統(tǒng)一匯聚與全景可視化呈現(xiàn)，推動了醫(yī)療數(shù)據(jù)治理模式向集中化管理平臺轉(zhuǎn)型，醫(yī)療數(shù)據(jù)價值指數(shù)級提升。醫(yī)療數(shù)據(jù)的高價值性疊加API的開放性特征，使其成為黑灰產(chǎn)業(yè)的頭號攻擊目標(biāo)，數(shù)據(jù)濫用和泄露風(fēng)險持續(xù)加劇。
金華市中心醫(yī)院是浙江中西部地區(qū)集醫(yī)療、科研、教學(xué)、預(yù)防、保健、康復(fù)為一體的三級甲等綜合醫(yī)院，“國考”連續(xù)六年進(jìn)入A+序列。在智慧醫(yī)院和互聯(lián)互通建設(shè)中，醫(yī)院數(shù)據(jù)在本地存儲以滿足內(nèi)部醫(yī)療需求外，同時開放至互聯(lián)網(wǎng)、醫(yī)保局、衛(wèi)生健康委等。盡管已部署下一代防火墻、WAF、EDR等傳統(tǒng)安全設(shè)備，但在API數(shù)據(jù)安全防護(hù)方面仍面臨嚴(yán)峻挑戰(zhàn)：一是傳統(tǒng)安全防護(hù)體系在API交互鏈路可視化方面存在監(jiān)測盲區(qū)，難以對數(shù)據(jù)類型、敏感級別及傳輸規(guī)模進(jìn)行深度審計；二是日均超240萬次的數(shù)據(jù)交互中精準(zhǔn)識別風(fēng)險行為面臨技術(shù)瓶頸，傳統(tǒng)規(guī)則引擎誤報率高；三是醫(yī)療數(shù)據(jù)交互缺乏動態(tài)追蹤能力，無法滿足《中華人民共和國數(shù)據(jù)安全法》等法規(guī)的風(fēng)險監(jiān)測、預(yù)警要求。
為突破安全防護(hù)瓶頸，醫(yī)院引入DeepSeek本地化AI大模型，與全知科技展開深度合作構(gòu)建智能防護(hù)體系，實現(xiàn)對API的智能化分類分級和API風(fēng)險告警的降噪，在實時感知和預(yù)警數(shù)據(jù)風(fēng)險的同時，精準(zhǔn)把控安全風(fēng)險點，提升醫(yī)院數(shù)據(jù)安全運營能力。
本案例通過API交互監(jiān)測引擎與本地大模型的深度融合，構(gòu)建覆蓋"資產(chǎn)發(fā)現(xiàn)-風(fēng)險驗證-基線防御-溯源審計"全周期的API安全防護(hù)體系，實現(xiàn)醫(yī)療數(shù)據(jù)交互場景中的風(fēng)險精準(zhǔn)識別與閉環(huán)處置，有效提升API數(shù)據(jù)交互全鏈路防護(hù)能力。
1.數(shù)據(jù)資產(chǎn)智能測繪：基于RAG技術(shù)對業(yè)務(wù)系統(tǒng)接口進(jìn)行敏感數(shù)據(jù)識別和分類管理，全面識別醫(yī)院業(yè)務(wù)網(wǎng)絡(luò)環(huán)境中的應(yīng)用系統(tǒng)和API，自動發(fā)現(xiàn)并標(biāo)記接口傳輸?shù)拿舾袛?shù)據(jù)，刻畫應(yīng)用畫像、API畫像、敏感數(shù)據(jù)流圖。 2.弱點智能降噪：對API存在的弱點進(jìn)行智能聚合。根據(jù)弱點類型，利用本地大模型思維鏈，自動編排和調(diào)用本地工具，智能化驗證弱點的真實性，有效降低弱點誤報，實現(xiàn)高危漏洞的精準(zhǔn)定位，降低人工投入。 3.業(yè)務(wù)風(fēng)險基線測繪：通過建立系統(tǒng)接口風(fēng)險行為基線，監(jiān)測異常行為。配合弱點智能降噪能力，及時精準(zhǔn)分析和預(yù)警行為風(fēng)險，覆蓋醫(yī)院偏離訪問次數(shù)基線的API訪問行為、偏離訪問數(shù)據(jù)量基線的獲取數(shù)據(jù)行為等常見的業(yè)務(wù)風(fēng)險場景。 4.數(shù)據(jù)監(jiān)測溯源：利用數(shù)據(jù)交互監(jiān)測核心引擎、交互式搜索技術(shù)，實現(xiàn)訪問信息線索關(guān)聯(lián)分析，快速還原數(shù)據(jù)訪問全過程，定位數(shù)據(jù)泄露或濫用的源頭，提供從實時預(yù)警、攻擊鏈重構(gòu)到電子證據(jù)固定的完整溯源能力。 1.技術(shù)架構(gòu)設(shè)計 采用分層架構(gòu)設(shè)計，主要分為協(xié)議技術(shù)、API智能畫像、API風(fēng)險降噪、API審計溯源。如圖1所示。 圖1 平臺架構(gòu)圖 協(xié)議技術(shù)：通過RAG技術(shù)、MCP技術(shù)，結(jié)合DeepSeek大模型，提升數(shù)據(jù)分析能力。 API智能畫像：基于處理后的數(shù)據(jù)，對API的功能場景、數(shù)據(jù)暴露面進(jìn)行定義標(biāo)識，并結(jié)合API的標(biāo)簽、數(shù)據(jù)類型、數(shù)據(jù)敏感等級對API定級，如圖2所示。同時自主學(xué)習(xí)、實時更新API的參數(shù)結(jié)構(gòu)，如圖3所示。 圖2 API智能畫像 圖3 API參數(shù)自主學(xué)習(xí)、實時更新 API風(fēng)險降噪：根據(jù)OWASP API Security Top10類別，對弱點進(jìn)行自動識別，發(fā)現(xiàn)API漏洞、不合規(guī)類風(fēng)險，并結(jié)合智能生成的API業(yè)務(wù)基線發(fā)現(xiàn)API的數(shù)據(jù)泄露風(fēng)險，實現(xiàn)基于業(yè)務(wù)基線的風(fēng)險降噪。如圖4所示。 圖4 API業(yè)務(wù)基線 API審計溯源：運用交互式搜索技術(shù)，實現(xiàn)訪問信息線索關(guān)聯(lián)分析，快速還原風(fēng)險事件的數(shù)據(jù)訪問鏈路，實現(xiàn)風(fēng)險溯源功能。如圖5所示。 圖5 風(fēng)險詳情溯源 2.關(guān)鍵技術(shù) （1）RAG（Retrieval-augmented Generation） RAG是一種結(jié)合了檢索技術(shù)與生成模型的混合人工智能技術(shù)，旨在通過引入外部知識庫或?qū)崟r數(shù)據(jù)來提升文本生成的準(zhǔn)確性、相關(guān)性和時效性。 ● 降低幻覺：通過引入外部知識減少大模型編造錯誤信息。 ● 增強(qiáng)時效性：可接入實時數(shù)據(jù)（如API分析后的弱點、風(fēng)險數(shù)據(jù)）。 ● 擴(kuò)展知識邊界：突破模型訓(xùn)練數(shù)據(jù)的局限性。 通過調(diào)用本地AI大模型，采用RAG技術(shù)，投喂健康醫(yī)療數(shù)據(jù)安全指南以及相關(guān)的API采樣數(shù)據(jù)，搭建編排工作流，形成具有醫(yī)療特色的數(shù)據(jù)分類分級模型，實現(xiàn)基于人工智能技術(shù)的數(shù)據(jù)接口分類分級，借助DeepSeek強(qiáng)大的深度學(xué)習(xí)推理能力對個人信息敏感數(shù)據(jù)以及醫(yī)療敏感數(shù)據(jù)準(zhǔn)確分類，準(zhǔn)確率高達(dá)90%以上，超越傳統(tǒng)手動分類或基于規(guī)則的分類分級方式。 （2）MCP（Model Context Protocol） MCP（模型上下文協(xié)議）是一種新的開放協(xié)議，旨在標(biāo)準(zhǔn)化應(yīng)用程序如何為大型語言模型（LLM）提供上下文?；贛CP開發(fā)出MCP Client和MCP Servers。由MCP Client充當(dāng)大模型與MCP Servers的橋梁，通過MCP Servers給本地AI大模型提供各種工具來獲取API風(fēng)險監(jiān)測系統(tǒng)的數(shù)據(jù)，根據(jù)用戶交互提出的任務(wù)目標(biāo)，AI助手選擇并通過MCP Client調(diào)用合適的工具獲取系統(tǒng)數(shù)據(jù)并進(jìn)行處置，進(jìn)而完成用戶的任務(wù)。具體過程如下： 分析用戶給定的任務(wù)，根據(jù)任務(wù)需求智能匹配最合適的工具，并自動設(shè)置工具參數(shù)。如圖6所示。 圖6 AI助手-智能匹配工具 根據(jù)工具調(diào)用返回的HTTP請求、響應(yīng)信息，分析弱點的真實性，并自動修改系統(tǒng)中弱點的狀態(tài)。如圖7所示。 圖7 AI助手-弱點真實性研判 截至2025年3月，系統(tǒng)已運營4個月。實際監(jiān)測流量均值283Mbps、峰值885Mbps，實現(xiàn)數(shù)據(jù)中心互聯(lián)網(wǎng)核心業(yè)務(wù)流量監(jiān)測，目前監(jiān)測應(yīng)用數(shù)量45個，日均API請求量超240萬次。 （1）利用RAG技術(shù)，本地AI模型完成共計2155個API的分類定級。在分類分級基礎(chǔ)上，通過持續(xù)監(jiān)測與分析數(shù)據(jù)交互，精準(zhǔn)識別API業(yè)務(wù)使用場景中高敏感數(shù)據(jù)暴露事件，實時預(yù)警潛在風(fēng)險。如使用身份證號碼的API共164個，其中4個API單次可獲取3000條以上的身份證號碼數(shù)據(jù)，如圖8所示。 圖8 API清單 （2）以3月監(jiān)測數(shù)據(jù)為例，系統(tǒng)共識別出138項潛在風(fēng)險。經(jīng)AI智能降噪后，驗證判斷系統(tǒng)誤報風(fēng)險項達(dá)86項，AI降噪率達(dá)62.3%，經(jīng)核查，仍有5項誤報，實際風(fēng)險項為47項，降噪準(zhǔn)確率94.5%。極大降低研判風(fēng)險項真實性的時間和人力成本。 （3）當(dāng)識別API業(yè)務(wù)使用場景中高敏感數(shù)據(jù)暴露時，可通過主體溯源模式還原數(shù)據(jù)交互路徑。針對風(fēng)險告警事件，結(jié)合訪問信息線索關(guān)聯(lián)分析，數(shù)據(jù)安全管理員通過交互式搜索快速還原風(fēng)險事件的數(shù)據(jù)訪問鏈路，加速風(fēng)險接口的精準(zhǔn)定位和處置流程的高效執(zhí)行。 通過API風(fēng)險監(jiān)測系統(tǒng)與AI大模型技術(shù)的結(jié)合，醫(yī)療數(shù)據(jù)交互風(fēng)險智能監(jiān)測平臺實現(xiàn)了對API弱點風(fēng)險的智能化、自動化處置，使高風(fēng)險接口數(shù)量下降89%，提高了安全運營效率。API所帶來的醫(yī)療數(shù)據(jù)交互應(yīng)引起衛(wèi)生健康行業(yè)的重視，在加強(qiáng)傳統(tǒng)網(wǎng)絡(luò)安全建設(shè)的同時，向“以數(shù)據(jù)為中心、以風(fēng)險為驅(qū)動、以AI為抓手”的精細(xì)化治理模式轉(zhuǎn)型。平臺從API智能梳理、接口智能分類分級、風(fēng)險智能研判等多方面，與新興AI技術(shù)結(jié)合，提升數(shù)據(jù)接口安全保障能力。 （來源：CHIMA 2025醫(yī)院新興技術(shù)創(chuàng)新應(yīng)用典型案例集）
特別聲明：智慧醫(yī)療網(wǎng)轉(zhuǎn)載其他網(wǎng)站內(nèi)容，出于傳遞更多信息而非盈利之目的，同時并不代表贊成其觀點或證實其描述，內(nèi)容僅供參考。版權(quán)歸原作者所有，若有侵權(quán)，請聯(lián)系我們刪除。
凡來源注明智慧醫(yī)療網(wǎng)的內(nèi)容為智慧醫(yī)療網(wǎng)原創(chuàng)，轉(zhuǎn)載需獲授權(quán)。
智慧醫(yī)療網(wǎng) ? 2022 版權(quán)所有 ICP備案號：滬ICP備17004559號-5
