Fugu-MT 論文翻訳(概要): A Review of Anonymization for Healthcare Data

論文の概要: A Review of Anonymization for Healthcare Data

arxiv url: http://arxiv.org/abs/2104.06523v1
Date: Tue, 13 Apr 2021 21:44:29 GMT
ステータス: 処理完了
システム内更新日: 2021-04-16 01:34:44.248624
Title: A Review of Anonymization for Healthcare Data
Title（参考訳）: 医療データの匿名化に関するレビュー
Authors: Iyiola E. Olatunji, Jens Rauch, Matthias Katzensteiner, Megha Khosla
Abstract要約: 一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)一般データ保護規則(一般データ保護規則)
参考スコア（独自算出の注目度）: 0.30586855806896046
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Mining health data can lead to faster medical decisions, improvement in the quality of treatment, disease prevention, reduced cost, and it drives innovative solutions within the healthcare sector. However, health data is highly sensitive and subject to regulations such as the General Data Protection Regulation (GDPR), which aims to ensure patient's privacy. Anonymization or removal of patient identifiable information, though the most conventional way, is the first important step to adhere to the regulations and incorporate privacy concerns. In this paper, we review the existing anonymization techniques and their applicability to various types (relational and graph-based) of health data. Besides, we provide an overview of possible attacks on anonymized data. We illustrate via a reconstruction attack that anonymization though necessary, is not sufficient to address patient privacy and discuss methods for protecting against such attacks. Finally, we discuss tools that can be used to achieve anonymization.
Abstract（参考訳）: 医療データのマイニングは、医療決定の迅速化、治療の質の向上、疾患予防、コスト削減、医療分野における革新的なソリューションの推進につながる。しかし、健康データは極めて敏感であり、患者のプライバシーを確保することを目的とした一般データ保護規則(GDPR)などの規制の対象となっている。患者識別情報の匿名化や削除は、最も一般的な方法ではあるが、規制を遵守し、プライバシーの懸念を組み込むための最初の重要なステップである。本稿では,既存の匿名化手法と健康データの種類(関係性およびグラフベース)への適用性について概説する。さらに,匿名化データに対する攻撃の可能性について概説する。患者プライバシに対処し,そのような攻撃から保護する方法を議論するには,必要ではあるが匿名化が不十分であることを示す。最後に,匿名化を実現するためのツールについて述べる。

関連論文リスト

The Gradient of Health Data Privacy [15.417809900388262]
本稿では、健康データガバナンスに対する新たな「プライバシ・グラデーション」アプローチを紹介する。我々の多次元概念は、データ感度、利害関係者の関係、使用目的、時間的側面などの要因を考察する。このアプローチは、世界中の多様な医療環境において、重要なプライバシー問題にどのように対処できるかを実証する。
論文参考訳（メタデータ） (2024-10-01T17:35:18Z)
S3PHER: Secure and Searchable System for Patient-driven HEalth data shaRing [0.0]
患者と介護者の健康データを共有するための現在のシステムは、プライバシ、機密性、同意管理といった重要なセキュリティ要件を完全には解決していない。 S3PHERは、医療データを共有するための新しいアプローチであり、患者にデータにアクセスする人、データにアクセスする人、そしていつアクセスされるかを制御する。
論文参考訳（メタデータ） (2024-04-17T13:31:50Z)
Preserving The Safety And Confidentiality Of Data Mining Information In Health Care: A literature review [0.0]
PPDM技術は、膨大な量のデータから実行可能な洞察を抽出することを可能にする。機密情報の開示は患者のプライバシーを侵害する。本稿では,プライバシ保護機構,データ保護規制,緩和戦略に関する関連研究のレビューを行う。
論文参考訳（メタデータ） (2023-10-30T05:32:15Z)
A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文参考訳（メタデータ） (2023-09-27T14:38:16Z)
Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
論文参考訳（メタデータ） (2023-09-11T09:26:07Z)
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)
Towards Blockchain-Assisted Privacy-Aware Data Sharing For Edge Intelligence: A Smart Healthcare Perspective [19.208368632576153]
リンク攻撃はプライバシードメインにおける支配的な攻撃の一種である。敵は健康データを偽装するために毒殺攻撃を仕掛ける誤診や身体的損傷までも引き起こす個人の健康データを保護するために,ユーザ間の信頼度に基づく個人差分プライバシモデルを提案する。
論文参考訳（メタデータ） (2023-06-29T02:06:04Z)
Defending Medical Image Diagnostics against Privacy Attacks using Generative Methods [10.504951891644474]
生成敵対ネットワーク(GAN)を用いたプライバシー防御プロトコルの開発と評価を行います。本研究では, 糖尿病性網膜症に用いる網膜診断AIについて, 個人情報が漏洩するリスクがあることを示す。
論文参考訳（メタデータ） (2021-03-04T15:02:57Z)
Privacy-preserving medical image analysis [53.4844489668116]
医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
論文参考訳（メタデータ） (2020-12-10T13:56:00Z)
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)
Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
論文参考訳（メタデータ） (2020-04-16T15:53:42Z)

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。