基于同态加密的机密医疗数据隐私保留实体解析可行性研究
计算工程、金融与科学
2024-05-29 v1
摘要
患者数据包含受HIPAA和GDPR等法规法规保护的机密信息。确保全面患者信息的隐私，需采用隐私保留实体解析（PPER），该方法在保持数据隐私的前提下识别来自不同医疗组织的数据库中相同的患者实体。现有方法往往缺乏密码学安全性或对实际数据集计算上不可行。我们引入基于AMPPERE的PPER管道，这一安全抽象计算模型利用同态加密等密码学工具。我们的定制化方法针对患者数据集 Incorporating extensive 并行化技术和特定参数。实验结果表明，所提方法在准确性和效率方面优于各种基线方法。
引用
@article{arxiv.2405.18430,
title = {Feasibility of Privacy-Preserving Entity Resolution on Confidential Healthcare Datasets Using Homomorphic Encryption},
author = {Yixiang Yao and Joseph Cecil and Praveen Angyan and Neil Bahroos and Srivatsan Ravi},
journal= {arXiv preprint arXiv:2405.18430},
year = {2024}
}