論文の概要: Privacy-Preserving Collaborative Genomic Research: A Real-Life Deployment and Vision
- arxiv url: http://arxiv.org/abs/2407.09004v1
- Date: Fri, 12 Jul 2024 05:43:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-16 00:36:46.073428
- Title: Privacy-Preserving Collaborative Genomic Research: A Real-Life Deployment and Vision
- Title（参考訳）: プライバシ保護型協調ゲノム研究 : 実生活の展開とビジョン
- Authors: Zahra Rahmani, Nahal Shahini, Nadav Gat, Zebin Yun, Yuzhou Jiang, Ofir Farchy, Yaniv Harel, Vipin Chaudhary, Mahmood Sharif, Erman Ayday,
- Abstract要約: 本稿ではLynx.MDと共同で開発されたゲノム研究のためのプライバシ保護フレームワークを提案する。
このフレームワークは、重要なサイバーセキュリティとプライバシの課題に対処し、プライバシ保護によるゲノムデータの共有と分析を可能にする。
Lynx.MD内でのフレームワークの実装には、ゲノムデータをバイナリ形式に符号化し、制御された摂動技術を通じてノイズを適用することが含まれる。
- 参考スコア（独自算出の注目度）: 2.7968600664591983
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The data revolution holds significant promise for the health sector. Vast amounts of data collected from individuals will be transformed into knowledge, AI models, predictive systems, and best practices. One area of health that stands to benefit greatly is the genomic domain. Progress in AI, machine learning, and data science has opened new opportunities for genomic research, promising breakthroughs in personalized medicine. However, increasing awareness of privacy and cybersecurity necessitates robust solutions to protect sensitive data in collaborative research. This paper presents a practical deployment of a privacy-preserving framework for genomic research, developed in collaboration with Lynx.MD, a platform for secure health data collaboration. The framework addresses critical cybersecurity and privacy challenges, enabling the privacy-preserving sharing and analysis of genomic data while mitigating risks associated with data breaches. By integrating advanced privacy-preserving algorithms, the solution ensures the protection of individual privacy without compromising data utility. A unique feature of the system is its ability to balance trade-offs between data sharing and privacy, providing stakeholders tools to quantify privacy risks and make informed decisions. Implementing the framework within Lynx.MD involves encoding genomic data into binary formats and applying noise through controlled perturbation techniques. This approach preserves essential statistical properties of the data, facilitating effective research and analysis. Moreover, the system incorporates real-time data monitoring and advanced visualization tools, enhancing user experience and decision-making. The paper highlights the need for tailored privacy attacks and defenses specific to genomic data. Addressing these challenges fosters collaboration in genomic research, advancing personalized medicine and public health.
- Abstract（参考訳）: データ革命は、医療セクターにとって大きな可能性を秘めている。
個人から収集された膨大なデータは、知識、AIモデル、予測システム、ベストプラクティスに変換される。
健康分野の1つにゲノム領域がある。
AI、機械学習、データサイエンスの進歩は、ゲノム研究の新しい機会を開き、パーソナライズドメディカルのブレークスルーを約束している。
しかし、プライバシーとサイバーセキュリティに対する意識の高まりは、協調研究において機密データを保護するための堅牢なソリューションを必要としている。
本稿では、健康データコラボレーションのためのプラットフォームであるLynx.MDと共同で開発された、ゲノム研究のためのプライバシ保護フレームワークの実践的展開について述べる。
このフレームワークは、重要なサイバーセキュリティとプライバシの課題に対処し、データ漏洩に伴うリスクを軽減しつつ、プライバシ保護によるゲノムデータの共有と分析を可能にする。
高度なプライバシ保護アルゴリズムを統合することで、このソリューションは、データユーティリティを損なうことなく、個々のプライバシを保護する。
このシステムのユニークな特徴は、データ共有とプライバシのトレードオフのバランスをとる能力であり、ステークホルダーがプライバシのリスクを定量化し、情報的な決定を行うためのツールを提供する。
Lynx.MD内でのフレームワークの実装には、ゲノムデータをバイナリ形式に符号化し、制御された摂動技術を通じてノイズを適用することが含まれる。
このアプローチはデータの本質的な統計特性を保ち、効果的な研究と分析を容易にする。
さらに、リアルタイムデータ監視と高度な可視化ツールが組み込まれ、ユーザエクスペリエンスと意思決定が向上する。
この論文は、ゲノムデータに特有のプライバシー攻撃と防衛の必要性を強調している。
これらの課題に対処することで、ゲノム研究の協力が促進され、パーソナライズされた医療と公衆衛生が推進される。
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) - Generative AI for Secure and Privacy-Preserving Mobile Crowdsensing [74.58071278710896]
生成AIは、学術分野と産業分野の両方から多くの注目を集めている。
セキュアでプライバシ保護のモバイルクラウドセンシング(SPPMCS)は、データ収集/取得に広く応用されている。
論文 参考訳（メタデータ） (2024-05-17T04:00:58Z) - 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) - Privacy-Preserving Graph Machine Learning from Data to Computation: A
Survey [67.7834898542701]
我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。
まずプライバシ保護グラフデータを生成する方法を検討する。
次に,プライバシ保護情報を送信する方法について述べる。
論文 参考訳（メタデータ） (2023-07-10T04:30:23Z) - Private Set Generation with Discriminative Information [63.851085173614]
異なるプライベートなデータ生成は、データプライバシの課題に対する有望な解決策である。
既存のプライベートな生成モデルは、合成サンプルの有用性に苦慮している。
我々は,最先端アプローチのサンプルユーティリティを大幅に改善する,シンプルで効果的な手法を提案する。
論文 参考訳（メタデータ） (2022-11-07T10:02:55Z) - Collaborative analysis of genomic data: vision and challenges [9.608060862723862]
DNAシークエンシングのコストは、近年、科学的研究、臨床試験、医療提供を改善するために利用されている遺伝子データの急増に繋がった。
ヒトゲノムは個人を識別できるため、この特徴はセキュリティやプライバシーの懸念も引き起こす。
本稿では、規制と倫理的ガイドラインを探求し、セキュアかつプライベートなゲノムデータストレージ/処理/共有プラットフォームに関するビジョンを提案する。
論文 参考訳（メタデータ） (2022-02-10T05:16:11Z) - Machine Learning in Precision Medicine to Preserve Privacy via
Encryption [2.099922236065961]
我々は,がんを予測するMLモデルの構築に使用した,暗号化(MLE)フレームワークを用いた汎用機械学習を提案する。
我々のフレームワークの予測精度は、同じデータセット上で実施された最新の研究よりもわずかに高い。
私たちは、フレームワークの設計と実装、すべてのML実験とコード、そして、無料のクラウドサービスにデプロイされた最終的な予測モデルを含む、オープンソースのリポジトリを提供しています。
論文 参考訳（メタデータ） (2021-02-05T20:22:15Z) - 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) - Privacy-preserving Artificial Intelligence Techniques in Biomedicine [3.908261721108553]
機密データに基づくAIモデルのトレーニングは、個々の参加者のプライバシに関する懸念を提起する。
本稿では,生物医学におけるプライバシ保存型AI技術の進歩について概説する。
最も重要な最先端のアプローチを統一された分類分野に配置し、その強み、限界、オープンな問題について議論する。
論文 参考訳（メタデータ） (2020-07-22T18:35:55Z) - 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)
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。