由于远程医疗和基于互联网的医疗设施的快速发展，保护敏感的医疗数据变得越来越重要。因此，通过开放网络传输诊断图像对患者健康记录的隐私和完整性构成了重大挑战。本文提出了一种利用增强洛伦兹系统和机器学习方法稀疏变分高斯过程（SVGP）的医疗图像加密方案。加密系统包括预初始混淆、双重扩散和最终置换过程。初步混淆依赖于增强洛伦兹方案和SVGP生成的量化混沌密钥。第二轮加密使用扩散单元1和2，利用增强洛伦兹的密钥后进行置换。由于其丰富的超混沌行为、对初始条件的高度敏感性和2325的大密钥空间，增强洛伦兹系统和SVGP单元在图像加密过程中显著增强。此外，增强洛伦兹超混沌生成器也在STM32嵌入式硬件上实施，以展示其实际应用性。所提出的图像加密算法在高度安全性检验下具有脆弱性，平均熵为7.9993，邻近像素之间几乎零相关性。像素变换率（NPCR）和统一平均强度变化（UACI）分别为99.6087和33.4586。实验证据表明，所给方法在确保机密性和完整性方面是非常有效的，能够安全地共享医学影像数据。
P等人（星期六）研究了这个问题。