論文の概要: PriEval-Protect: A Unified Framework for Privacy Evaluation and Protection in Healthcare Systems
- arxiv url: http://arxiv.org/abs/2607.13754v1
- Date: Wed, 15 Jul 2026 12:12:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.755564
- Title: PriEval-Protect: A Unified Framework for Privacy Evaluation and Protection in Healthcare Systems
- Title（参考訳）: PriEval-Protect:医療システムにおけるプライバシ評価と保護のための統一フレームワーク
- Authors: Ilef Chebil, Asma El Hadj, Souheib Yousfi, Aroua Hedhili, Layth Sliman,
- Abstract要約: 既存のコンプライアンスメソッドは、手動、エラーを起こし、データレベルの評価とは別のポリシー監査である。
本稿では,プライバシリスク評価と緩和のための2段階フレームワークPriEval-Protectを提案する。
- 参考スコア（独自算出の注目度）: 1.8072754905150326
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Safeguarding patient privacy while enabling meaningful healthcare data use remains critical under GDPR and HIPAA. Existing compliance methods are manual, error-prone, and separate policy audits from data-level assessments. This paper presents PriEval-Protect, a two-phase framework for unified privacy risk evaluation and mitigation. The evaluation phase combines regulatory compliance scoring using a fine-tuned legal LLM with RAG, and technical analysis via encryption type, data architecture, and metrics including similarity, uncertainty, adversary success, and information gain/loss. A composite risk score uses weighted aggregation via Analytic Hierarchy Process. The protection phase recommends countermeasures including federated learning and differential privacy based on assessed risk. Results on hospital documents and datasets demonstrate regulation-aligned, explainable assessments, bridging legal conformance and data-level risk analysis.
- Abstract（参考訳）: GDPRとHIPAAの下では、患者プライバシの保護と、有意義な医療データ利用の実現が重要である。
既存のコンプライアンスメソッドは、手動、エラーを起こし、データレベルの評価とは別のポリシー監査である。
本稿では,プライバシリスク評価と緩和のための2段階フレームワークPriEval-Protectを提案する。
評価フェーズは、微調整された法的LLMとRAGを用いた規制コンプライアンススコアと、暗号化タイプ、データアーキテクチャ、類似性、不確実性、敵的成功、情報ゲイン/ロスを含むメトリクスによる技術分析を組み合わせる。
複合リスクスコアは分析階層プロセスによる重み付けアグリゲーションを使用する。
保護フェーズは、評価されたリスクに基づいて、フェデレーション学習や差分プライバシーを含む対策を推奨する。
病院文書やデータセットの結果は、規制の整合性、説明可能な評価、法的適合性のブリッジング、データレベルのリスク分析を示している。
関連論文リスト
- Rethinking Visual Privacy: A Compositional Privacy Risk Framework for Severity Assessment with VLMs [58.7856837806126]
既存のビジュアルプライバシベンチマークでは、プライバシをバイナリプロパティとして扱い、可視性のあるコンテンツに基づいて、イメージをプライベートまたは非プライベートとしてラベル付けしている。
我々は、プライバシーは基本的に構成的だと主張する。孤立した属性が組み合わさって、厳しいプライバシー侵害が発生するかもしれない。
本研究は,構成的プライバシーリスク分類法 (CPRT) について紹介する。これは,独立した識別可能性と構成的害ポテンシャルに基づいて視覚的属性を整理する,規制を意識したフレームワークである。
論文 参考訳（メタデータ） (2026-03-23T04:48:42Z) - CVPL: A Geometric Framework for Post-Hoc Linkage Risk Assessment in Protected Tabular Data [0.0]
形式的なプライバシメトリクスはコンプライアンス指向の保証を提供するが、リリースされたデータセットにおける実際のリンク可能性の定量化に失敗することが多い。
CVPLは、ブロッキング、ベクトル化、潜在射影、類似性評価を含む演算子パイプラインとしてリンク解析を表現している。
19の構成にまたがる10,000レコードの実証的検証は、正式なk匿名性コンプライアンスが経験的結合性と共存することを示した。
論文 参考訳（メタデータ） (2026-02-11T16:39:07Z) - Privacy Challenges and Solutions in Retrieval-Augmented Generation-Enhanced LLMs for Healthcare Chatbots: A Review of Applications, Risks, and Future Directions [3.36168223686933]
検索増強世代 (RAG) は, 大規模言語モデルを臨床・生物医療システムに統合するための転換的アプローチとして急速に発展してきた。
このレビューは、医療におけるRAGアプリケーションの現状を詳細に分析する。
論文 参考訳（メタデータ） (2025-11-14T14:33:58Z) - AILuminate: Introducing v1.0 of the AI Risk and Reliability Benchmark from MLCommons [62.374792825813394]
本稿ではAI製品リスクと信頼性を評価するための業界標準ベンチマークとして,AIluminate v1.0を紹介する。
このベンチマークは、危険、違法、または望ましくない行動を12の危険カテゴリーで引き起こすように設計されたプロンプトに対するAIシステムの抵抗を評価する。
論文 参考訳（メタデータ） (2025-02-19T05:58:52Z) - A Personal data Value at Risk Approach [0.0]
本稿では,データコントローラの観点から,データ保護リスクベースのコンプライアンスに対する定量的アプローチを提案する。
データ保護分析、量的リスク分析、専門家の意見を校正することで、データ保護の影響評価を改善することができる。
論文 参考訳（メタデータ） (2024-11-05T16:09:28Z) - Certifiably Byzantine-Robust Federated Conformal Prediction [49.23374238798428]
本稿では,悪意のあるクライアントに対する堅牢な共形予測を行う新しいフレームワークRob-FCPを提案する。
我々は、さまざまなビザンチン攻撃の下で、悪意のあるクライアントの多様な割合に対するRob-FCPの堅牢性を実証的に実証した。
論文 参考訳（メタデータ） (2024-06-04T04:43:30Z) - Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive
Privacy Analysis and Beyond [57.10914865054868]
垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。
我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
論文 参考訳（メタデータ） (2022-07-19T05:47:30Z) - Data Protection Impact Assessment for the Corona App [0.0]
SARS-CoV-2は2020年初頭からヨーロッパで普及し始めており、パンデミックとの戦いや封じ込めに関する技術的な解決策が強く求められている。
議論の中心には、連絡先追跡アプリに関する技術的な解決策が強く求められている。
EUの一般日時保護規則(DPIA)は、データ保護アセスメントを実施するために管理者を必要としている。
我々は,最も「プライバシフレンドリー」と考えられる3つの接触追跡アプリデザインを徹底的に検証する科学的DPIAを提案する。
論文 参考訳（メタデータ） (2021-01-18T19:23:30Z) - 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。