論文の概要: Privacy Risks in Health Big Data: A Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2502.03811v1
- Date: Thu, 06 Feb 2025 06:44:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-07 14:29:18.056101
- Title: Privacy Risks in Health Big Data: A Systematic Literature Review
- Title（参考訳）: 医療ビッグデータにおけるプライバシーリスク : 体系的な文献レビュー
- Authors: Zhang Si Yuan, Manmeet Mahinderjit Singh,
- Abstract要約: 本稿では、医療ビッグデータセキュリティ分野における重要な研究について概説する。
既存の研究を解析することにより、最先端技術が個人のプライバシーを保護しながらデータセキュリティをいかに強化するかを考察する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: The digitization of health records has greatly improved the efficiency of the healthcare system and promoted the formulation of related research and policies. However, the widespread application of advanced technologies such as electronic health records, genomic data, and wearable devices in the field of health big data has also intensified the collection of personal sensitive data, bringing serious privacy and security issues. Based on a systematic literature review (SLR), this paper comprehensively outlines the key research in the field of health big data security. By analyzing existing research, this paper explores how cutting-edge technologies such as homomorphic encryption, blockchain, federated learning, and artificial immune systems can enhance data security while protecting personal privacy. This paper also points out the current challenges and proposes a future research framework in this key area.
- Abstract（参考訳）: 医療記録のデジタル化は、医療システムの効率を大幅に向上させ、関連する研究・政策の定式化を促進した。
しかし、健康データ分野における電子健康記録、ゲノムデータ、ウェアラブルデバイスといった先進技術の普及により、個人機密データの収集も強化され、プライバシーとセキュリティの深刻な問題が発生している。
本稿では、系統的な文献レビュー(SLR)に基づいて、健康ビッグデータセキュリティの分野における重要な研究を包括的に概説する。
既存の研究を分析して、同型暗号化、ブロックチェーン、フェデレーション学習、人工免疫システムといった最先端技術が、個人のプライバシーを保護しながらデータのセキュリティを高める方法について検討する。
本稿は,現在進行中の課題を指摘するとともに,この重要領域における今後の研究枠組みを提案する。
関連論文リスト
- Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [61.633126163190724]
精神病は、社会的、個人的コストがかなり高い広範囲で不安定な状態である。
近年の人工知能(AI)の進歩は、うつ病、不安障害、双極性障害、統合失調症、外傷後ストレス障害などの病態を認識し、対処するための大きな可能性を秘めている。
データセットやトレーニング済みモデルからの機密データ漏洩のリスクを含むプライバシー上の懸念は、これらのAIシステムを実際の臨床環境にデプロイする上で、依然として重要な障壁である。
論文 参考訳（メタデータ） (2025-02-01T15:10:02Z) - 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) - Privacy-Preserving Collaborative Genomic Research: A Real-Life Deployment and Vision [2.7968600664591983]
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。
論文 参考訳（メタデータ） (2024-07-12T05:43:13Z) - 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) - A Survey on Privacy of Health Data Lifecycle: A Taxonomy, Review, and Future Directions [1.3927943269211591]
我々は、既存の業務を見直し、健康データライフサイクルで発生した10の異なるプライバシー上の懸念を抽出する。
本稿では,医療におけるプライバシ保護のためのテクニックの分類法を提案する。
健康データ管理におけるプライバシ保護の課題を軽減するために,今後の研究の方向性を明らかにした。
論文 参考訳（メタデータ） (2023-11-09T14:37:41Z) - 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) - Contributions to Context-Aware Smart Healthcare: A Security and Privacy
Perspective [0.0]
論文は スマートヘルスのパラダイムにおける セキュリティとプライバシの課題に 貢献しています
本稿では,コンテキスト認識環境に配置されたセンサやネットワークのセキュリティ面について,広範囲にわたる解析を行う。
私たちは、組織内のビジネスプロセスを分析するのに役立つ一般的な分析分野であるプロセスマイニングに貢献しています。
論文 参考訳（メタデータ） (2022-06-28T16:54:16Z) - 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) - Security and Privacy for mHealth and uHealth Systems: a Systematic
Mapping Study [0.0]
本研究の目的は、m/uHealthシステムのセキュリティとプライバシに関する最先端技術を特定し、分類し、比較し、評価することである。
論文 参考訳（メタデータ） (2020-06-22T08:44:49Z) - Data Mining with Big Data in Intrusion Detection Systems: A Systematic
Literature Review [68.15472610671748]
クラウドコンピューティングは、複雑で高性能でスケーラブルな計算のために、強力で必要不可欠な技術になっている。
データ生成の迅速化とボリュームは、データ管理とセキュリティに重大な課題をもたらし始めている。
ビッグデータ設定における侵入検知システム(IDS)の設計と展開が重要視されている。
論文 参考訳（メタデータ） (2020-05-23T20:57:12Z) - 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。