論文の概要: Privacy-Preserving Patient Identity Management Framework for Secure Healthcare Access
- arxiv url: http://arxiv.org/abs/2603.07001v1
- Date: Sat, 07 Mar 2026 02:47:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-10 15:13:13.597647
- Title: Privacy-Preserving Patient Identity Management Framework for Secure Healthcare Access
- Title（参考訳）: 安全な医療アクセスのためのプライバシ保護型患者ID管理フレームワーク
- Authors: Nasif Muslim, Jean-Charles Grégoire,
- Abstract要約: 本稿では、医療の運用および規制要件に特化して、プライバシ保護、患者中心のアイデンティティ管理フレームワークを提案する。
このフレームワークは、ルート付き信頼アンカー、匿名の偽名、条件付きトレーサビリティメカニズムを通じて、運用上の信頼性と強力なプライバシ保護のバランスをとる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Effective healthcare delivery depends on accurate longitudinal health records and addressing patients' concerns regarding the privacy of their information. While patient authentication is essential, reusing patient identifiers exposes individuals to linkability (associating multiple visits) and traceability (tying visits to real-world identities) risks. This paper presents a privacy-preserving, patient-centric identity management framework specifically tailored to the operational and regulatory requirements of healthcare. The framework balances operational reliability with strong privacy protections through a rooted trust anchor, anonymous pseudonyms, and a conditional traceability mechanism. It is formally specified, and its security and privacy properties are evaluated through MSRA-based architectural analysis and complementary formal verification. Simulation-based evaluation demonstrates that the framework's identity workflows are operationally feasible within the latency bounds typical of clinical environments.
- Abstract（参考訳）: 効果的な医療提供は、正確な経時的健康記録に依存し、患者の情報のプライバシーに関する懸念に対処する。
患者認証が不可欠である一方で、患者識別子の再利用は、個人をリンク可能性(複数訪問の関連付け)とトレーサビリティ(現実世界のアイデンティティへの訪問の関連付け)のリスクに晒す。
本稿では、医療の運用および規制要件に特化して、プライバシ保護、患者中心のアイデンティティ管理フレームワークを提案する。
このフレームワークは、ルート付き信頼アンカー、匿名の偽名、条件付きトレーサビリティメカニズムを通じて、運用上の信頼性と強力なプライバシ保護のバランスをとる。
セキュリティおよびプライバシ特性は、MSRAに基づくアーキテクチャ分析と補完的な形式検証によって評価される。
シミュレーションに基づく評価は、フレームワークのアイデンティティワークフローが、臨床環境の典型的なレイテンシ境界内で運用可能であることを示す。
関連論文リスト
- Paradox of De-identification: A Critique of HIPAA Safe Harbour in the Age of LLMs [36.69937175022062]
HIPAA Safe Harborでは、患者のプライバシを保護するために臨床メモが非識別化されている。
本論文は, 自己鑑定が本質的に不完全である場合に, 患者の信頼を維持するために, コミュニティとしてどのように振る舞うかという疑問を提起する。
論文 参考訳（メタデータ） (2026-02-09T18:43:19Z) - Single-Pixel Vision-Language Model for Intrinsic Privacy-Preserving Behavioral Intelligence [55.512671026669516]
安全な環境モニタリングを再現する新しいフレームワークSP-VLM(Single-Pixel Vision-Language Model)を提案する。
それは本質的に低次元の1ピクセルのモダリティを通して人間のダイナミクスを捉えることによって、固有のプライバシ・バイ・デザインを実現する。
いずれにせよ,SP-VLMは意味ある行動意味を抽出し,ロバストな異常検出,数え方,行動理解を可能にしている。
論文 参考訳（メタデータ） (2026-01-21T09:11:26Z) - Exploring Membership Inference Vulnerabilities in Clinical Large Language Models [42.52690697965999]
臨床大言語モデル(LLM)におけるメンバーシップ推論脆弱性の探索的研究について述べる。
最新の臨床質問応答モデルであるLlemrを用いて、標準的損失に基づく攻撃とドメインを動機としたパラフレージングに基づく摂動戦略の両方を評価する。
その結果は、コンテキスト認識、ドメイン固有のプライバシ評価、防衛の継続的な開発を動機付けている。
論文 参考訳（メタデータ） (2025-10-21T14:27:48Z) - Blockchain-Enabled Explainable AI for Trusted Healthcare Systems [0.0]
本稿では、医療システムのためのa-Integrated Explainable AI Framework(BXHF)を紹介する。
我々は、安全なデータ交換と理解可能なAIによる臨床意思決定という、健康情報ネットワークに直面する2つの課題に取り組む。
当社のアーキテクチャにはブロックチェーンが組み込まれており、患者の記録が不変で、監査可能で、安全でないことが保証されています。
論文 参考訳（メタデータ） (2025-09-18T14:17:19Z) - Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [58.61680631581921]
メンタルヘルス障害は、深い個人的・社会的負担を生じさせるが、従来の診断はリソース集約的でアクセシビリティが制限される。
本稿では、これらの課題を考察し、匿名化、合成データ、プライバシー保護トレーニングを含む解決策を提案する。
臨床的な意思決定をサポートし、メンタルヘルスの結果を改善する、信頼できるプライバシを意識したAIツールを進化させることを目標としている。
論文 参考訳（メタデータ） (2025-02-01T15:10:02Z) - Privacy-Enhanced Adaptive Authentication: User Profiling with Privacy Guarantees [0.6554326244334866]
本稿では,プライバシ強化型アダプティブ認証プロトコルを提案する。
リアルタイムリスクアセスメントに基づいて認証要求を動的に調整する。
CCPAなどのデータ保護規則を遵守することにより,セキュリティを向上するだけでなく,ユーザの信頼も向上する。
論文 参考訳（メタデータ） (2024-10-27T19:11:33Z) - Which Client is Reliable?: A Reliable and Personalized Prompt-based Federated Learning for Medical Image Question Answering [51.26412822853409]
本稿では,医学的視覚的質問応答(VQA)モデルのための,パーソナライズド・フェデレーションド・ラーニング(pFL)手法を提案する。
提案手法では,学習可能なプロンプトをTransformerアーキテクチャに導入し,膨大な計算コストを伴わずに,多様な医療データセット上で効率的にトレーニングする。
論文 参考訳（メタデータ） (2024-10-23T00:31:17Z) - Auditing and Generating Synthetic Data with Controllable Trust Trade-offs [54.262044436203965]
合成データセットとAIモデルを包括的に評価する総合監査フレームワークを導入する。
バイアスや差別の防止、ソースデータへの忠実性の確保、実用性、堅牢性、プライバシ保護などに焦点を当てている。
多様なユースケースにまたがる様々な生成モデルを監査することにより,フレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2023-04-21T09:03:18Z) - 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)
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。