Cloud environment greatly necessitates two key factors namely integrity and memory consumption. In the proposed work, an efficient integrity check system (EICS) is presented for electronic health record (EHR) classification. The existing system does not concentrate on storage concerns such as storing and retrieving files in cloud and memory storage overheads. De-duplication is one of the solution, however original information loss might take place. This is mitigated by the suggested research work namely Integrity and Memory Consumption aware De-duplication Method (IMCDM), where health care files are stored in secured and reliable manner. File Indexed table are created for all the files for enhancing de-duplication performance before uploading it into server. Duplication existence can be obtained from the indexing table which comprises of file features and hash values. Support vector machine (SVM) classifier is used in indexing table construction for file feature learning. Labels allotted through SVM classifier is considered as index values. Two level encryption is used followed by indexing construction, and stored in cloud severs. For avoiding redundant data, a decrypted hash index comparison is performed with previously stored contents. Various security key based on individual user’s generation is carried for ensuring security and XOR operation is performed with received encrypted file. The evaluation is performed using the Java simulation tool, which aids in validating the proposed methodology against existing research.

云环境非常需要两个关键因素，即完整性和内存消耗。在拟议的工作中，提出了一种用于电子健康记录 (EHR) 分类的有效完整性检查系统 (EICS)。现有系统并未关注存储问题，例如在云中存储和检索文件以及内存存储开销。重复数据删除是解决方案之一，但可能会丢失原始信息。这被建议的研究工作缓解，即完整性和内存消耗感知重复数据删除方法 (IMCDM)，其中以安全可靠的方式存储医疗保健文件。在上传到服务器之前，为所有文件创建文件索引表以增强重复数据删除性能。可以从由文件特征和哈希值组成的索引表中获得重复的存在。支持向量机 (SVM) 分类器用于文件特征学习的索引表构建。通过 SVM 分类器分配的标签被视为索引值。使用二级加密，然后建立索引，并存储在云服务器中。为了避免冗余数据，解密后的哈希索引与之前存储的内容进行比较。携带基于个人用户生成的各种安全密钥以确保安全性，并对接收到的加密文件进行异或运算。评估是使用 Java 模拟工具进行的，该工具有助于根据现有研究验证所提出的方法。支持向量机 (SVM) 分类器用于文件特征学习的索引表构建。通过 SVM 分类器分配的标签被视为索引值。使用二级加密，然后建立索引，并存储在云服务器中。为了避免冗余数据，解密后的哈希索引与之前存储的内容进行比较。携带基于个人用户生成的各种安全密钥以确保安全性，并对接收到的加密文件进行异或运算。评估是使用 Java 模拟工具进行的，该工具有助于根据现有研究验证所提出的方法。支持向量机 (SVM) 分类器用于文件特征学习的索引表构建。通过 SVM 分类器分配的标签被视为索引值。使用二级加密，然后建立索引，并存储在云服务器中。为了避免冗余数据，解密后的哈希索引与之前存储的内容进行比较。携带基于个人用户生成的各种安全密钥以确保安全性，并对接收到的加密文件进行异或运算。评估是使用 Java 模拟工具进行的，该工具有助于根据现有研究验证所提出的方法。并存储在云服务器中。为了避免冗余数据，解密后的哈希索引与之前存储的内容进行比较。携带基于个人用户生成的各种安全密钥以确保安全性，并对接收到的加密文件进行异或运算。评估是使用 Java 模拟工具进行的，该工具有助于根据现有研究验证所提出的方法。并存储在云服务器中。为了避免冗余数据，解密后的哈希索引与之前存储的内容进行比较。携带基于个人用户生成的各种安全密钥以保证安全性，并对接收到的加密文件进行异或运算。评估是使用 Java 模拟工具进行的，该工具有助于根据现有研究验证所提出的方法。