基于解释的审计

为了遵守新兴的隐私法律法规，像电子健康记录系统（EHRs）这样的应用通常收集访问日志，记录每次用户（如医院员工）访问敏感数据（如患者记录）的情况。使用访问日志，可以轻松回答简单查询（例如，谁访问了Alice的医疗记录？），但这通常不能提供足够的信息。除了知道谁访问了他们的医疗记录外，患者可能还想了解每次访问发生的原因。在本文中，我们介绍了为访问日志中的单个记录生成解释的问题。该问题源于以用户为中心的审计应用，并且还提供了一种新颖的误用检测方法。我们开发了一个用于建模解释的框架，该框架基于一个基本观察：对于某些类别的数据库，包括EHRs，大多数数据访问的原因可以从数据库中其他地方存储的数据推断出来。例如，如果Alice与Dave医生有预约，该信息存储在数据库中，这解释了为什么Dave医生查看了Alice的记录。大量数据访问可以使用称为解释模板的通用形式来解释。我们不是要求管理员手动指定解释模板，而是提出了一组算法，用于自动从数据库中发现频繁模板（即那些解释大量访问的模板）。我们还提出了推断协作用户组的技术，可用于提高发现解释的质量。最后，我们使用密歇根大学健康系统的访问日志和数据评估了我们提出的技术。我们的结果表明，在实践中我们可以为日志中超过94%的数据访问提供解释。