BRATsynthetic：基于马尔可夫链替换策略生成替代个人身份信息的文本去标识化方法
密码学与安全
2022-10-31 v1
摘要
目的：实现并评估个人健康身份信息（PHI）替换策略，并量化其隐私保护效益。材料与方法：我们实现并评估了三种不同的“藏匿于众目之中”（HIPS）PHI替换策略，包括标准一致替换策略、随机替换策略以及一种新颖的基于马尔可夫模型的策略。我们利用一系列假阴性错误率（FNER）在合成PHI分布以及来自两家不同机构的真实临床语料上评估这些策略的隐私保护效益。结果：在文档层面，使用FNER从0.1%到5%时，在包含阿拉巴马大学伯明翰分校（UAB）多种类型笔记的语料上，利用马尔可夫链策略相较于一致策略可将PHI泄露从27.1%降至0.1%（0.1% FNER），以及从94.2%降至57.7%（5% FNER）。马尔可夫链替换策略在MIMIC出院小结语料以及一系列合成临床PHI分布上也始终优于一致与随机替换策略。讨论：我们证明马尔可夫链替代生成策略在一系列假定的PHI FNER下大幅降低了无意泄露PHI的可能性，并在Github上发布了我们的实现“BRATsynthetic”。结论：相对于使用一致HIPS策略发布的语料，马尔可夫链替换策略允许在相同风险水平下发布更大规模的去标识化语料。
引用
@article{arxiv.2210.16125,
title = {BRATsynthetic: Text De-identification using a Markov Chain Replacement Strategy for Surrogate Personal Identifying Information},
author = {John D. Osborne and Tobias O'Leary and Akhil Nadimpalli and Salma M. Aly. and Richard E. Kennedy},
journal= {arXiv preprint arXiv:2210.16125},
year = {2022}
}