一种用于疫情遏制的隐私保护检测优化算法
社会与信息网络
2021-03-23 v3 最优化与控制
物理与社会
摘要
SARS-CoV-2 的暴发改变了世界上几乎所有人的日常生活。当前，我们正面临遏制病毒传播的问题：既使用更有效的强制封锁（其缺陷是拖慢相关国家的经济），又通过识别并隔离阳性个体（然而由于信息缺乏，这总体上是一项艰巨任务）。对于这一特定疾病，感染者的识别尤其具有挑战性，因为存在一类无症状者，他们呈阳性且具潜在传染性，却不表现出任何 SARS-CoV-2 的症状。在疫苗的研发与分发就绪之前，我们需要设计方法，在每日可用检测数量有限的情况下，筛选出最可能受感染的个人。本文中，我们利用所谓接触追踪 app 收集的可用数据，开发了一种名为 PPTO 的算法，用以识别最可能呈阳性、从而应当接受检测的个体。过往此类分析由集中式算法开展，要求将所有 app 用户数据汇集于单一数据库，而我们的协议能够在设备层级工作，通过向其他设备传送匿名信息来实现。
引用
@article{arxiv.2006.15977,
title = {A privacy-preserving tests optimization algorithm for epidemics containment},
author = {Alessandro Nuara and Francesco Trovò and Nicola Gatti},
journal= {arXiv preprint arXiv:2006.15977},
year = {2021}
}
备注
added figures fixed typos added table of notation