基于个人健康列车实现分布式数据集的隐私保护链接
分布式、并行与集群计算
2023-09-13 v1
摘要
随着个人与医疗数据在多处生成，医疗数据科学在处理分布式数据集时面临独特挑战。近年来日益增长的数据保护要求极大地限制了个人可识别信息的使用。分布式数据分析旨在为高度敏感数据的安全处理提供解决方案，同时将信息泄露风险降至最低，而这是集中式方法无法在同等方式下实现的。该领域的一个新概念是个人健康列车（Personal Health Train, PHT），其封装了将分析带到数据端而非反之的理念。数据源被表示为车站。包含分析任务的列车在车站间移动并聚合结果。列车执行由中央车站协调，数据分析师可与之交互。数据保留在各自车站内，分析结果仅存储于列车中，从而为分布式数据分析提供安全环境。多个地点的重复记录会在分布式数据分析中扭曲结果。另一方面，合并若干数据集中指向同一真实世界实体的信息可提升数据完整性进而提高数据质量。本文提出一种利用个人健康列车进行分布式数据集记录链接的方法。我们通过对两个基于真实世界的数据集应用该方法来验证并评估其有效性，并概述其在分布式数据分析任务中的可能应用。
引用
@article{arxiv.2309.06171,
title = {Privacy-Preserving Linkage of Distributed Datasets using the Personal Health Train},
author = {Maximilian Jugl and Sascha Welten and Yongli Mou and Yeliz Ucer Yediel and Oya Deniz Beyan and Ulrich Sax and Toralf Kirsten},
journal= {arXiv preprint arXiv:2309.06171},
year = {2023}
}
备注
12 pages, 4 figures, 3 tables