CoSMeTIC：面向临床研究的零知识计算稀疏 Merkle 树，包含包含-排除证明
密码学与安全
2026-01-21 v1 计算工程、金融与科学
摘要
临床数据分析是生物医学研究的基石，适用于基因测试和药物疗法反应特征描述等领域。由于该数据通常包含患者的可识别个人健康信息，维持严格的隐私控制至关重要。与此同时，监管合规通常要求研究经理人 demonstrate 所使用的参与者数据在分析中的完整性和真实性。平衡这些相互竞争的要求——隐私保护与可验证的责任——仍是一个关键挑战。在本文中，我们提出 CoSMeTIC，一个零知识计算框架，提出将计算稀疏 Merkle 树 (SMT) 作为生成 individual participants 数据在临床研究中包含和排除证明的手段。我们形式化地分析了 CoSMeTIC 的零知识属性，并通过大量实验评估了其计算效率。运用 Kolmogorov-Smirnov 检验、似然比假设检验以及基于 logistic 回归的基因组分析，对真实世界的 Huntington 病数据集，我们展示了 CoSMeTIC 在保持统计忠诚度的同时实现了强大的隐私保证。我们的结果表明，CoSMeTIC 提供了一个可扩展且实用的替代方案，以实现大规模临床研究中严格隐私保护的监管合规。
关键词
引用
@article{arxiv.2601.12136,
title = {CoSMeTIC: Zero-Knowledge Computational Sparse Merkle Trees with Inclusion-Exclusion Proofs for Clinical Research},
author = {Mohammad Shahid and Paritosh Ramanan and Mohammad Fili and Guiping Hu and Hillel Haim},
journal= {arXiv preprint arXiv:2601.12136},
year = {2026}
}