链接攻击暴露公共ECG数据共享中的身份风险
密码学与安全
2025-08-25 v1 机器学习
摘要
越来越多的公共电生理信号(ECG)数据被共享，引发严重的隐私担忧，因为其生物特征使个体易受到链接攻击。不同于假设攻击者具备理想化能力的先前研究，我们评估了在攻击者仅掌握部分知识的情况下的ECG隐私风险。我们使用来自109名来自多样化真实数据集的受试者的数据，达到85%的准确率成功重新识别公共数据集中的个体，在最佳置信阈值下实现14.2%的整体误分类率，其中15.6%的未知个体被误分类为已知个体，12.8%的已知个体被误分类为未知个体。这些结果表明，简单匿名化技术在防止重新识别方面不足以应对，即使攻击者掌握有限的知识也能有效实现身份链接。我们的发现凸显了针对重新识别风险的紧迫需求，如差分隐私、访问控制和加密计算，同时确保医疗保健领域生物信号数据共享的实用性。
引用
@article{arxiv.2508.15850,
title = {Linkage Attacks Expose Identity Risks in Public ECG Data Sharing},
author = {Ziyu Wang and Elahe Khatibi and Farshad Firouzi and Sanaz Rahimi Mousavi and Krishnendu Chakrabarty and Amir M. Rahmani},
journal= {arXiv preprint arXiv:2508.15850},
year = {2025}
}