个人神经信息学中的隐私保护
计算机与社会
2014-03-13 v1
摘要
以脑电图（EEG）形式采集的人脑活动，即使传感器数量很少，也是一种极其丰富的信号。从多个通道以高采样率采集的信号捕获了参与者大脑活动的许多重要方面，并可用作唯一的个人标识符。共享 EEG 信号的动机意义重大，可作为理解大脑活动与身心健康之间关系的手段，或用于与医疗服务的通信。随着此类数据采集设备变得更加普及和广泛使用，利用数据的机遇正在增长；然而与此同时，固有的隐私风险也在增加。例如，相同的原始 EEG 信号可用于诊断精神疾病、发现癫痫痕迹和解码人格特质。当前参与者同意使用数据的知情同意实践，要么阻止了原始信号的重复使用，要么通过将相同的原始数据用于与最初同意目的大相径庭的用途，而没有真正尊重参与者的隐私权。在此，我们提出将个人神经信息系统 Smartphone Brain Scanner 与通用隐私框架 openPDS 相集成。我们展示了如何在移动设备上采集原始高维数据，上传至服务器，随后由应用程序或研究人员进行操作和访问，而无需披露原始信号。这些从原始信号中提取的特征被称为答案，其维度显著降低，并在给定上下文中提供数据的完整效用，而没有披露敏感原始信号的风险。这种架构显著减轻了与原始 EEG 记录四处流传并被用于各种目的和重复使用相关的极其严重的隐私风险。
引用
@article{arxiv.1403.2745,
title = {Privacy for Personal Neuroinformatics},
author = {Arkadiusz Stopczynski and Dazza Greenwood and Lars Kai Hansen and Alex Pentland},
journal= {arXiv preprint arXiv:1403.2745},
year = {2014}
}