論文の概要: Differentially Private Modeling of Disease Transmission within Human Contact Networks

• arxiv url: http://arxiv.org/abs/2604.07493v1
• Date: Wed, 08 Apr 2026 18:34:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.510669
• Title: Differentially Private Modeling of Disease Transmission within Human Contact Networks
• Title（参考訳）: ヒト接触ネットワークにおける病原体伝達の差分的モデリング
• Authors: Shlomi Hod, Debanuj Nayak, Jason R. Gantenberg, Iden Kalemaj, Thomas A. Trikalinos, Adam Smith,
• Abstract要約: 本稿では, センシティブネットワークに基づく疾病拡散シミュレーション研究のためのプライバシ保護パイプラインを提案する。 単純感染性疾患モデルを用いたアプローチの有効性について検討した。
• 参考スコア（独自算出の注目度）: 5.169635993076461
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Epidemiologic studies of infectious diseases often rely on models of contact networks to capture the complex interactions that govern disease spread, and ongoing projects aim to vastly increase the scale at which such data can be collected. However, contact networks may include sensitive information, such as sexual relationships or drug use behavior. Protecting individual privacy while maintaining the scientific usefulness of the data is crucial. We propose a privacy-preserving pipeline for disease spread simulation studies based on a sensitive network that integrates differential privacy (DP) with statistical network models such as stochastic block models (SBMs) and exponential random graph models (ERGMs). Our pipeline comprises three steps: (1) compute network summary statistics using \emph{node-level} DP (which corresponds to protecting individuals' contributions); (2) fit a statistical model, like an ERGM, using these summaries, which allows generating synthetic networks reflecting the structure of the original network; and (3) simulate disease spread on the synthetic networks using an agent-based model. We evaluate the effectiveness of our approach using a simple Susceptible-Infected-Susceptible (SIS) disease model under multiple configurations. We compare both numerical results, such as simulated disease incidence and prevalence, as well as qualitative conclusions such as intervention effect size, on networks generated with and without differential privacy constraints. Our experiments are based on egocentric sexual network data from the ARTNet study (a survey about HIV-related behaviors). Our results show that the noise added for privacy is small relative to other sources of error (sampling and model misspecification). This suggests that, in principle, curators of such sensitive data can provide valuable epidemiologic insights while protecting privacy.
• Abstract（参考訳）: 伝染病の疫学的研究は、しばしば、病気の拡散を支配する複雑な相互作用を捉えるために、接触ネットワークのモデルに頼っている。 しかし、接触ネットワークには性的関係や薬物使用行動などの機密情報が含まれる可能性がある。 データの科学的有用性を維持しながら個人のプライバシを保護することが重要です。 確率ブロックモデル(SBM)や指数乱グラフモデル(ERGM)などの統計ネットワークモデルと差分プライバシー(DP)を統合したセンシティブなネットワークに基づく,疾患拡散シミュレーション研究のためのプライバシ保護パイプラインを提案する。 筆者らのパイプラインは,(1) ネットワーク要約統計を,(1) 個人の貢献を保護した) DP を用いて計算すること,(2) ERGM のような統計モデルに適合すること,(2) ネットワークの構造を反映した合成ネットワークを生成すること,(3) エージェントベースモデルを用いて合成ネットワーク上に広がる病気をシミュレートすること,の3段階からなる。 本手法の有効性を複数の構成で評価し,本手法の有効性について検討した。 差分プライバシー制約を伴わないネットワーク上で、シミュレートされた病気の発生率や頻度などの数値結果と、介入効果の大きさなどの定性的な結論を比較した。 実験は、ARTNet研究(HIV関連の行動に関する調査)のエゴセントリックな性的ネットワークデータに基づく。 以上の結果から,プライバシに付加されるノイズは,他の誤差源(サンプリングやモデルミススペクテーション)と比較して小さいことがわかった。 これは、原則として、そのような機密データのキュレーターは、プライバシーを保護しながら貴重な疫学的洞察を提供することができることを示唆している。

関連論文リスト

• On the MIA Vulnerability Gap Between Private GANs and Diffusion Models [51.53790101362898]
  GAN(Generative Adversarial Networks)と拡散モデルが高品質な画像合成のための主要なアプローチとして登場している。 差分自己生成モデルが直面するプライバシーリスクの統一的および実証的分析について述べる。
  論文  参考訳（メタデータ） (2025-09-03T14:18:22Z)
• Physics-informed deep learning for infectious disease forecasting [3.3618265137908527]
  物理インフォームドニューラルネットワーク(PINN)に基づく新しい感染症予測モデルを提案する。 カリフォルニア州の国家レベルのCOVID-19データを用いて、PINNモデルがケース、死亡、入院を正確に予測していることを実証する。
  論文  参考訳（メタデータ） (2025-01-16T05:07:05Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Digital Twin-Oriented Complex Networked Systems based on Heterogeneous Node Features and Interaction Rules [13.28255056212425]
  本研究では,Digital Twin-Oriented Complex Networked Systemsのための拡張可能なモデリングフレームワークを提案する。 我々は,これらのネットワークに広まる流行に関連するネットワーク成長と異なる透過性に関する様々な特徴と規則を取り入れたシミュレーションベースのDT-CNSの実験を行う。
  論文  参考訳（メタデータ） (2023-08-18T01:54:48Z)
• Robustness Threats of Differential Privacy [70.818129585404]
  我々は、いくつかの設定で差分プライバシーをトレーニングしたネットワークが、非プライベートバージョンに比べてさらに脆弱であることを実験的に実証した。 本研究では,勾配クリッピングや雑音付加などのニューラルネットワークトレーニングの主成分が,モデルの堅牢性に与える影響について検討する。
  論文  参考訳（メタデータ） (2020-12-14T18:59:24Z)
• 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)
• Quantifying the Effects of Contact Tracing, Testing, and Containment Measures in the Presence of Infection Hotspots [18.227721607607183]
  複数の証拠は、一人が他の多くの人に感染するホットスポットが、新型コロナウイルスの感染動態において重要な役割を担っていることを強く示唆している。 個人が接触し、互いに感染するサイトへの訪問を具体的に表現する、時間的ポイントプロセスモデリングフレームワークを導入する。 我々のモデルでは、自然に感染した個体によって引き起こされる感染の数が過度に分散する。
  論文  参考訳（メタデータ） (2020-04-15T17:18:32Z)
• Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
  コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。 電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。 我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
  論文  参考訳（メタデータ） (2020-01-08T15:47:08Z)

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。