大数据为医疗行业发现新价值带来了新的机遇：它可以帮助我们深入了解数据的隐藏价值；与此同时也带来了新的挑战：如何有效的管理和组织这些数据集。在医疗大数据发布、存储、挖掘和使用的整个生命周期过程中，涉及到了不同的用户因此在不同的生命周期都有对应的隐私保护方法和技术。数据的使用是整个生命周期中的最后一环也是最重要的一环，无论是原始数据信息还是从医疗大数据中挖掘出的信息，最终都是通过数据使用一环才能将大数据的价值信息用于扩大利润或提高诊疗质量。
　　医疗大数据所面临的重要问题之一是如何保证海量数据和资源避免遭受内部攻击并减少医疗信息的滥用。因此，本文提出了一个针对医疗大数据的隐私保护方法：基于请求用户可信度的访问控制模型。该模型从角色信任和行为信任两个维度对医生的信任度进行评估量化。首先，利用层次分析法和灰色理论在医生自身属性维度进行角色信任量化。然后，根据用户在医疗管理信息系统上的历史访问记录进行信任量化，并建立相应的回归分析模型，将用户历史行为趋势融入信任评估模型当中。同时，为了减少非利益目的(如好奇)和无目的(如习惯性浏览)的访问者所造成的的信息泄露，本模型在现有访问模型的基础上加入了预警体系，建立了一套“用户访问—预警机制—信任评估—访问控制”的工作模式。预警机制利用模糊分类的方法对医生访问行为定性，并给予非法访问者警示。对比试验表明，在线性、几何型、指数型分布趋势以及混合趋势的背景下，本文回归模型在预测信任精度和预测信任趋势的性能上优于现有的方法。预警体系的加入使得本模型可以主动识别用户访问行为性质并警告恶意访问者，从而减少了恶意访问行为的次数，提高了访问用户的整体行为水平。