Παράκαμψη προς το κύριο περιεχόμενο
2024Ιδιωτικότητα

Πλαίσιο k-ανωνυμίας για αξιόπιστο διαμοιρασμό δεδομένων υγείας στο IJIS

Κοινή προσπάθεια μηχανικής ιδιωτικότητας που δείχνει πώς τα σύνολα δεδομένων υγείας μπορούν να διαμοιραστούν για έρευνα, ανθιστάμενα στην εκ νέου ταυτοποίηση — δημοσιευμένη στο International Journal of Information Security.

Περιοδικό
Int. J. of Information Security
Τόμος
23(3), 2189–2201
Έτος
2024
Πεδίο
Δεδομένα υγείας

Η εργασία «Mastering data privacy: leveraging K-anonymity for robust health data sharing», των Στυλιανού Καραγιάννη, Χριστοφόρου Νταντόγιαν, Εμμανουήλ Μάγκου, Αγγελικής Τσώχου και Luís Landeiro Ribeiro, πραγματεύεται μία από τις πλέον επίμονες εντάσεις της εφαρμοσμένης ιδιωτικότητας: τα δεδομένα υγείας είναι εξαιρετικά πολύτιμα για την έρευνα και εξαιρετικά επικίνδυνα προς δημοσιοποίηση.

Η εργασία εξετάζει πώς τα μοντέλα k-ανωνυμίας και οι συναφείς τεχνικές γενίκευσης μπορούν να εφαρμοστούν σε πραγματικά σύνολα δεδομένων υγείας, ώστε οι εγγραφές να παραμένουν χρήσιμες για ανάλυση, ανθιστάμενες παράλληλα στην εκ νέου ταυτοποίηση μέσω οιονεί αναγνωριστικών και επιθέσεων διασύνδεσης.

Συναφές έργο

  • Chidroid — εφαρμογή Android για συλλογή καταγραφών και ανάλυση ασφάλειας στην υγεία και το IoMT (Applied Sciences, 2023).
  • Κυβερνοασφάλεια και ιατρική απεικόνιση — προσομοιωτική προσέγγιση στην επικοινωνία DICOM (Applied Sciences, 2023).
  • Το επίπεδο ανωνυμοποίησης δεδομένων εκπαιδευομένων στο cyber range NITRO.