論文の概要: Assessing metadata privacy in neuroimaging

• arxiv url: http://arxiv.org/abs/2509.15278v1
• Date: Thu, 18 Sep 2025 12:56:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:10.843626
• Title: Assessing metadata privacy in neuroimaging
• Title（参考訳）: ニューロイメージングにおけるメタデータのプライバシー評価
• Authors: Emilie Kibsgaard, Anita Sue Jwa, Christopher J Markiewicz, David Rodriguez Gonzalez, Judith Sainz Pardo, Russell A. Poldrack, Cyril R. Pernet,
• Abstract要約: OpenNeuroで公開されている6つのニューロイメージングデータセットのデータについてレビューした。 プライバシーは一般的によく維持されており、重大な脆弱性はまれである。 これらのリスクに対処し、より安全なデータ共有を可能にするための実践的な対策を概説する。
• 参考スコア（独自算出の注目度）: 2.176772544213644
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The ethical and legal imperative to share research data without causing harm requires careful attention to privacy risks. While mounting evidence demonstrates that data sharing benefits science, legitimate concerns persist regarding the potential leakage of personal information that could lead to reidentification and subsequent harm. We reviewed metadata accompanying neuroimaging datasets from six heterogeneous studies openly available on OpenNeuro, involving participants across the lifespan, from children to older adults, with and without clinical diagnoses, and including associated clinical score data. Using metaprivBIDS (https://github.com/CPernet/metaprivBIDS), a novel tool for the systematic assessment of privacy in tabular data, we found that privacy is generally well maintained, with serious vulnerabilities being rare. Nonetheless, minor issues were identified in nearly all datasets and warrant mitigation. Notably, clinical score data (e.g., neuropsychological results) posed minimal reidentification risk, whereas demographic variables (age, sex, race, income, and geolocation) represented the principal privacy vulnerabilities. We outline practical measures to address these risks, enabling safer data sharing practices.
• Abstract（参考訳）: 研究データを害を与えずに共有する倫理的かつ法的義務は、プライバシーリスクに注意を要する。 データ共有が科学に恩恵をもたらすことを示す証拠が備わっている一方で、個人情報の漏洩が再確認とその後の害をもたらす可能性があるという正当な懸念が続いている。 我々は,OpenNeuroで公開されている6つの異種研究から得られる,小児から高齢者まで,臨床診断の有無,関連する臨床スコアデータを含む,神経画像データセットを伴うメタデータをレビューした。 MetaprivBIDS(https://github.com/CPernet/metaprivBIDS)は、表データのプライバシーを体系的に評価するための新しいツールである。 それでも、ほとんど全てのデータセットで小さな問題が特定され、令状が緩和された。 特に、臨床スコアデータ(例えば、神経心理学的な結果)は、人口統計学的変数(年齢、性別、人種、収入、位置)が主要なプライバシー上の脆弱性を表わすのに対して、最小限の再識別リスクを生じさせた。 これらのリスクに対処し、より安全なデータ共有を可能にするための実践的な対策を概説する。

関連論文リスト

• Aim High, Stay Private: Differentially Private Synthetic Data Enables Public Release of Behavioral Health Information with High Utility [2.1715431485081593]
  差別化プライバシ(DP)は、再識別リスクに対する正式な保証を提供する。 我々は、リングスタディ(LEMURS)を用いて測定されたライブ体験の第1相のDP合成データを生成する。 LEMURSデータセットの実際の使用状況から情報を得たフレームワークを用いて,合成データの有用性を評価する。
  論文  参考訳（メタデータ） (2025-06-30T15:58:34Z)
• Privacy-Aware, Public-Aligned: Embedding Risk Detection and Public Values into Scalable Clinical Text De-Identification for Trusted Research Environments [0.0]
  直接的および間接的識別子がレコードタイプ,臨床設定,データフローによってどのように変化するかを示し,ドキュメントの実践の変化が時間とともにモデルのパフォーマンスを低下させるかを示す。 われわれの調査結果は、プライバシーリスクは文脈に依存し、累積的であり、適応的でハイブリッドな非識別アプローチの必要性を強調している。
  論文  参考訳（メタデータ） (2025-06-01T17:45:57Z)
• A False Sense of Privacy: Evaluating Textual Data Sanitization Beyond Surface-level Privacy Leakage [77.83757117924995]
  我々は、データリリース時の個人のプライバシーリスクを定量化するために、再識別攻撃を評価する新しいフレームワークを提案する。 本手法は, 衛生データから年齢や物質使用履歴などのセンシティブな属性を推測するために, 一見無害な補助情報を利用できることを示す。
  論文  参考訳（メタデータ） (2025-04-28T01:16:27Z)
• Investigating Vulnerabilities of GPS Trip Data to Trajectory-User Linking Attacks [49.1574468325115]
  単一旅行からなるGPS旅行データセットにおいて,ユーザ識別子を再構築する新たな攻撃を提案する。 個人識別が削除された場合でも再識別のリスクは大きい。 さらなる調査では、少数の人しか訪れていない場所を頻繁に訪れているユーザーは、再識別に弱い傾向にあることが示されている。
  論文  参考訳（メタデータ） (2025-02-12T08:54:49Z)
• 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)
• How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
  DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。 プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
  論文  参考訳（メタデータ） (2022-11-18T11:39:03Z)
• PRIVEE: A Visual Analytic Workflow for Proactive Privacy Risk Inspection of Open Data [3.2136309934080867]
  個人情報を含むオープンデータセットは、匿名化しても敵攻撃の影響を受けやすい。 我々は、ローカルで結合可能なデータ地区における開示リスクを、データディフェンダーが認識できるようにするビジュアル分析ソリューションを開発した。 我々はこの問題とドメイン特性を用いて、防御機構としての視覚的分析的介入のセットを開発する。
  論文  参考訳（メタデータ） (2022-08-12T19:57:09Z)
• Releasing survey microdata with exact cluster locations and additional privacy safeguards [77.34726150561087]
  本稿では,プライバシ保護を付加した独自のマイクロデータの有用性を活用した,代替的なマイクロデータ配信戦略を提案する。 当社の戦略は, 再識別の試みにおいても, 任意の属性に対する再識別リスクを60～80%削減する。
  論文  参考訳（メタデータ） (2022-05-24T19:37:11Z)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)

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。