通过使用隐私工程来处理匿名医疗数据中的当代威胁

科学领域:

• 医疗信息学 医疗信息学
• 网络安全 网络安全
• 人工智能的人工智能

背景情况:

• 医疗保健领域越来越多的网络攻击和数据泄露对敏感的患者信息构成重大风险.
• 新兴的人工智能 (AI) 和数据分析技术使得从非个人身份信息 (非PII) 数据中推断出敏感特征成为可能.
• 人工智能,分析和在线存储库的结合在医疗保健中创造了新的隐私漏洞.

研究的目的:

• 识别和讨论医疗数据领域当前和新出现的隐私威胁.
• 探索隐私工程解决方案和隐私增强技术 (PET) 的战略选择.
• 在不断变化的数据流和人工智能集成的背景下,解决对强有力的数据保护的需求.

主要方法:

• 关于医疗保健网络安全威胁和人工智能驱动的数据推断的当前文献的审查.
• 分析与结合不同的在线数据源和先进分析相关的隐私风险.
• 根据具体的医疗保健用例,为选择适当的增强隐私的技术制定框架.

主要成果:

• 证明如何在没有直接访问个人识别信息 (PII) 的情况下推断敏感的个人特征.
• 从人工智能,大数据分析和可访问的在线存储库的融合中产生的关键隐私威胁的识别.
• 关于选择和实施针对各种医疗保健数据场景量身定制的有效隐私增强技术的指导.

结论:

• 不断变化的威胁环境需要积极的隐私工程和在医疗保健中采用先进的隐私增强技术.
• 有效的隐私解决方案必须考虑整个数据生命周期,包括动态数据流.
• 选择和实施隐私措施的战略方法对于在AI时代保护敏感健康信息至关重要.