精准医学中通过加密保护隐私的机器学习
机器学习
2021-11-11 v1 密码学与安全
摘要
精准医学是一种新兴的疾病治疗与预防方法，它通过考虑个体的基因构成、病史、环境和生活方式，为患者提供个性化照护。尽管精准医学快速发展且前景广阔，若干底层技术挑战仍待解决。其中一个极为重要的挑战是精准健康相关数据（如基因组数据与电子健康记录）的安全与隐私问题，它阻碍了协作并限制了机器学习（ML）算法的全部潜力。为了在提供 ML 解决方案的同时保护数据隐私，本文做出了三点贡献。首先，我们提出了一种通用的加密机器学习（MLE）框架，并借此基于该领域最新的综合基因组数据集之一构建了预测癌症的 ML 模型。其次，我们框架的预测精度略高于在同一数据集上开展的最新研究，同时保护了患者基因组数据的隐私。第三，为便于验证、复现和扩展本工作，我们提供了一个开源代码库，其中包含框架的设计与实现、所有 ML 实验与代码，以及部署至免费云服务的最终预测模型。
引用
@article{arxiv.2102.03412,
title = {Machine Learning in Precision Medicine to Preserve Privacy via Encryption},
author = {William Briguglio and Parisa Moghaddam and Waleed A. Yousef and Issa Traore and Mohammad Mamun},
journal= {arXiv preprint arXiv:2102.03412},
year = {2021}
}