利用大语言模型嵌入对 HIPAA 安全防护合规规则进行分类
密码学与安全
2024-11-11 v2 人工智能
摘要
尽管移动健康应用的开发者有责任保护患者数据并遵守严格的隐私和安全要求，但其中许多开发者缺乏对 HIPAA 法规的了解，并且难以区分 HIPAA 规则的类别。因此，为 Google Play 商店开发安全应用提供 HIPAA 规则模式分类的指导至关重要。在这项工作中，我们指出了传统 Word2Vec 嵌入在处理代码模式时的局限性。为了解决这个问题，我们采用多语言 BERT（Bidirectional Encoder Representations from Transformers），它为数据集的属性提供上下文嵌入以克服这些问题。因此，我们将该 BERT 应用于我们的数据集以嵌入代码模式，然后将这些嵌入代码用于各种机器学习方法。我们的结果表明，该模型显著提升了分类性能，其中逻辑回归实现了 99.95% 的惊人准确率。此外，支持向量机（99.79%）、随机森林（99.73%）和朴素贝叶斯（95.93%）也获得了高准确率，优于现有方法。这项工作突显了其有效性，并展示了其在安全应用开发方面的潜力。
引用
@article{arxiv.2410.20664,
title = {Embedding with Large Language Models for Classification of HIPAA Safeguard Compliance Rules},
author = {Md Abdur Rahman and Md Abdul Barek and ABM Kamrul Islam Riad and Md Mostafizur Rahman and Md Bajlur Rashid and Smita Ambedkar and Md Raihan Miaa and Fan Wu and Alfredo Cuzzocrea and Sheikh Iqbal Ahamed},
journal= {arXiv preprint arXiv:2410.20664},
year = {2024}
}
备注
I am requesting the withdrawal of my paper due to critical issues identified in the methodology/results that may impact its accuracy and reliability. I also plan to make substantial revisions that go beyond minor corrections