論文の概要: E-Health Sensitive Data Dissemination Exploiting Trust and Mobility of
Users
- arxiv url: http://arxiv.org/abs/2005.07296v1
- Date: Thu, 14 May 2020 23:37:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-20 05:11:50.561819
- Title: E-Health Sensitive Data Dissemination Exploiting Trust and Mobility of
Users
- Title（参考訳）: ユーザの信頼とモビリティを活用したeヘルスセンシティブなデータ普及
- Authors: Agnaldo Batista, Michele Nogueira and Aldri Santos
- Abstract要約: E-Healthサービスは大量の機密データを処理し、信頼性とプライバシーを必要とする。
本稿では,これらの課題に対処するために,社会的信頼と関心のコミュニティを活用するシステムであるSTEALTHを提案する。
STEALTHは170ミリ秒のレイテンシを持つ機密データにアクセスする際の信頼性の97.14%、緊急時の可用性の最大100%を達成している。
- 参考スコア（独自算出の注目度）: 5.104919259370318
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: E-health services handle a massive amount of sensitive data, requiring
reliability and privacy. The advent of new technologies drives e-health
services into their continuous provision outside traditional care institutions.
This creates uncertain and unreliable conditions, resulting in the challenge of
controlling sensitive user data dissemination. Then, there is a gap in
sensitive data dissemination under situations requiring fast response (e.g.,
cardiac arrest). This obligates networks to provide reliable sensitive data
dissemination under user mobility, dynamic network topology, and occasional
interactions between the devices. In this article, we propose STEALTH, a system
that employs social trust and communities of interest to address these
challenges. STEALTH follows two steps: clustering and dissemination. In the
first, STEALTH groups devices based on the interests of their users, forming
communities of interest. A healthcare urgency launches the second, in which
STEALTH disseminates user sensitive data to devices belonging to specific
communities, subjected to the level of trust between devices. Simulation
results demonstrate that STEALTH ensures data dissemination to people who can
contribute toward an efficient service. STEALTH has achieved up to 97.14% of
reliability in accessing sensitive data with a maximum latency of 170 ms, and
up to 100% of availability during emergencies.
- Abstract（参考訳）: E-Healthサービスは大量の機密データを処理し、信頼性とプライバシーを必要とする。
新しい技術の出現は、電子医療サービスを従来の医療機関以外の継続的な供給へと導く。
これにより、不確実で信頼性の低い状態が生成され、センシティブなユーザデータの拡散を制御することが課題となる。
そして、迅速な応答(例えば、心停止)を必要とする状況下では、敏感なデータ拡散のギャップがある。
これによってネットワークは、ユーザモビリティ、動的ネットワークトポロジ、デバイス間の時折のインタラクションの下で、信頼性の高いデータ拡散を提供する必要がある。
本稿では,これらの課題に対処するために,社会的信頼と関心のコミュニティを活用するシステムであるSTEALTHを提案する。
STEALTHはクラスタリングと分散という2つのステップに従っている。
最初のステルスグループデバイスは、ユーザの関心に基づいて、関心のあるコミュニティを形成します。
医療の緊急性は、ユーザーの機密データを特定のコミュニティに属するデバイスにひそかに拡散し、デバイス間の信頼のレベルに置かれる。
シミュレーションの結果、STEALTHは効率的なサービスに貢献できる人々へのデータ拡散を保証する。
STEALTHは170ミリ秒のレイテンシを持つ機密データにアクセスする際の信頼性の97.14%、緊急時の可用性の最大100%を達成している。
関連論文リスト
- MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。
本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。
以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
論文 参考訳（メタデータ） (2024-10-13T18:16:50Z) - KiNETGAN: Enabling Distributed Network Intrusion Detection through Knowledge-Infused Synthetic Data Generation [0.0]
合成ネットワーク活動データ(KiNETGAN)を生成するための知識注入型ジェネレーティブ・アドバイサル・ネットワークを提案する。
弊社のアプローチは、プライバシー問題に対処しながら、分散侵入検知のレジリエンスを高める。
論文 参考訳（メタデータ） (2024-05-26T08:02:02Z) - Explainable Machine Learning-Based Security and Privacy Protection Framework for Internet of Medical Things Systems [1.8434042562191815]
インターネット・オブ・メディカル・モノ(IoMT)は、従来の医療境界を超越し、反応性治療から予防への転換を可能にする。
その利点は、処理されたデータの感度と価値のために、ユーザの生活を危険にさらす、重大なセキュリティ上の課題に対処されている。
新しいIDS(Intrusion Detection Systems)フレームワークを導入し、ANN(Artificial Neural Networks)を侵入検知に利用し、FL(Federated Learning)をプライバシ保護に活用する。
論文 参考訳（メタデータ） (2024-03-14T11:57:26Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - A Novel Zero-Trust Machine Learning Green Architecture for Healthcare IoT Cybersecurity: Review, Analysis, and Implementation [0.0]
医療アプリケーションにおけるIoT(Internet of Things)デバイスの統合は、患者のケア、監視、データ管理に革命をもたらした。
しかし、これらのデバイスの急速な関与は、患者のプライバシーと医療データの整合性に重大な脅威をもたらす情報セキュリティ上の懸念をもたらす。
本稿では、医療アプリケーション内のIoTデバイスにおけるセキュリティ脆弱性に対処し、軽減するために設計された、機械学習(ML)ベースのアーキテクチャを紹介する。
論文 参考訳（メタデータ） (2024-01-14T21:01:21Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳（メタデータ） (2023-07-29T12:54:03Z) - Decentralized Privacy-Preserving Proximity Tracing [50.27258414960402]
DP3TはSARS-CoV-2の普及を遅らせるための技術基盤を提供する。
システムは、個人やコミュニティのプライバシーとセキュリティのリスクを最小限にすることを目的としている。
論文 参考訳（メタデータ） (2020-05-25T12:32:02Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z) - Give more data, awareness and control to individual citizens, and they
will help COVID-19 containment [74.10257867142049]
連絡先追跡アプリは、多くの国で大規模採用が提案されている。
中央集権的なアプローチは、市民のプライバシーと不必要に強力なデジタル監視に対する懸念を提起する。
我々は、個人の「個人データストア」にのみ連絡先と位置情報を収集する分散的アプローチを提唱する。
論文 参考訳（メタデータ） (2020-04-10T20:30:37Z) - DYSAN: Dynamically sanitizing motion sensor data against sensitive
inferences through adversarial networks [0.0]
DySanは、望ましくない機密推論に対してモーションセンサーデータを正当化するためのプライバシー保護フレームワークである。
複数のネットワークを競合的に学習することで、DySanは特定の機密属性の推論に対して動作データを衛生化するモデルを構築することができる。
実際のデータセットで行った実験では、DySanは活動認識の精度を3%減らしながら、性別推定を47%まで劇的に減らすことができた。
論文 参考訳（メタデータ） (2020-03-23T15:16:43Z) - Super Low Resolution RF Powered Accelerometers for Alerting on
Hospitalized Patient Bed Exits [3.2654923574107357]
転倒は重篤な結果であり、高齢者を介護する急性病院や老人ホームで流行している。転倒のリスクを軽減するための技術介入は、自動でベッドからのイベントを監視し、医療従事者にタイムリーな監視を提供するよう警告する。
患者活動に関連する周波数領域情報は, 主に低頻度で存在している。
無線周波数識別(RFID)技術を用いた電池レスセンシング方式について検討し,病院ガウンなどの衣服への便利な統合の可能性について検討した。
論文 参考訳（メタデータ） (2020-03-19T00:58:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。