Evaluating Privacy Measures in Healthcare Apps Predominantly Used by Older Adults
本研究针对老年人常用医疗保健应用隐私政策有效性研究不足的问题,构建PRAF框架评估28款应用的隐私状况,发现其合规性差、多数缺乏泄露应对方案,存在较高隐私风险。
2024-10-18 cs.CR cs.CY
Contributions to Context-Aware Smart Healthcare: A Security and Privacy Perspective
卫生数据的管理,从收集到分析,由于其高度机密性,产生了一些具有挑战性的问题。特别是,本论文有助于智能健康范式内的几个安全和隐私的挑战。更具体地说,我们首先开发了一些上下文感知环境,使智能健康场景的贡献。我们对部署在此类环境中的底层传感器和网络的安全方面进行了广泛的分析,提出了一种用于分析无处不在的计算系统的新型以用户为中心的隐私框架,并对正确实施认知城市所需面临的安全和隐私挑战进行了完整的分析。其次,我们致力于流程挖掘,这是一个流行的分析领域,有助于分析组织内的业务流程。尽管它在医疗保健行业的普及,我们解决两个主要问题:医疗保健过程的高度复杂性和隐私方面的研究不足。关于第一个问题,我们提出了一种新的进程发现算法,内置的启发式,简化了复杂的过程,关于第二个问题,我们提出了两种新的隐私保护过程挖掘方法,实现了显着的准确性和隐私之间的权衡。最后但并非最不重要的是,我们提出了一些智能健康应用程序,即上下文感知的路线推荐系统,支持早期动员计划在医院环境中的平台,以及面向健康的地理信息系统。本论文的结果旨在帮助研究界提高未来智能环境的安全性以及公民个人和健康数据的隐私。
2022-06-28 cs.CR cs.CY
The Importance of Collective Privacy in Digital Sexual and Reproductive Health
本文分析了15款性与生殖追踪IoT设备,发现其数据收集不仅涉及个人还牵涉家庭,揭示了数字性与生殖健康数据隐私既是个人也是集体事务。
2023-11-26 cs.CR cs.CY
Evaluating if trust and personal information privacy concerns are barriers to using health insurance that explicitly utilizes AI
本研究通过 SEM PLS-MGA 比较隐性有限 AI 与明确披露的 AI 界面及评估两种健康保险情景,发现可见 AI 显著降低信任,而隐私担忧虽上升但差异不显著。
2024-01-20 cs.AI cs.CY
Privacy Discourse and Emotional Dynamics in Mental Health Information Interaction on Reddit
George Mason University(乔治梅森大学);Medical group management association (MGMA)(医疗集团管理协会)
研究分析了Reddit上心理健康社区中隐私讨论与用户情感之间的关联,通过情感分析和时间序列分析揭示了隐私话题的变化趋势及社区间的情感一致性。
2025-12-17 cs.CY
The perceptions of social and information privacy risks of Inflammatory Bowel Disease patients using social media platforms for health-related support
随着成千上万的人使用社交媒体讨论健康问题,敏感的个人数据每天都在这些平台上自我披露。以往的研究表明,慢性病患者的社会隐私问题的理解,但缺乏理解的信息隐私问题的看法。对38例炎症性肠病(IBD)患者进行了定性访谈,使用社交媒体平台与在线社区进行互动。使用主题分析,我们发现,患者通常表现出的隐私和风险的双重演算感知的社会隐私问题。患者表现出对收集哪些数据以及社交媒体平台如何使用这些数据的混合知识,并且经常将他们的平台使用描述为未知信息隐私风险与参与在线社区的治疗启示(隐私计算)之间的权衡。我们的研究结果说明了社会和信息隐私之间的不同理解水平,以及对个人如何代理其个人数据的影响。最后,我们建议未来的研究,以进一步了解知识,信息隐私的关注和缓解行动之间的关系,在网上健康社区的背景下。
2020-08-08 cs.CY
A Framework for Extracting and Modeling HIPAA Privacy Rules for Healthcare Applications
一些组织使用软件应用程序来管理其客户的个人、医疗或财务信息。在美国,这些软件应用程序有义务保护用户的隐私,并遵守美国联邦隐私法律和条例。为了正式保证遵守这些法规,必须使用正式框架从法律文本中提取隐私规则并对其进行建模。在这项工作中,我们提出了一个面向目标的框架,建模和提取的隐私要求,从监管文本使用自然语言处理技术。
2016-03-09 cs.CR cs.CY
Privacy as a Service in Digital Health
隐私是健康持续数字化的关键挑战。即将出台的《欧洲通用数据保护条例》(GDPR)正在将这一挑战转化为监管指令。用户同意的提供和跨数据服务的协调将是应对这一挑战的关键。我们建议一个隐私驱动的架构,提供工具,提供用户同意作为一种服务。这使得管理和重用大量数据源,个人和服务之间的私人健康信息成为可能,即使他们事先并不知道。该架构将数据安全和语义描述集成到一个信任查询框架中,为未来的健康服务提供所需的互操作性和合作支持。这种方法通过更安全的数据管理、成本和流程节约、多提供商服务以及基于新兴业务模式的服务,为所有利益相关者带来好处。
2016-05-03 cs.CR cs.CY
A Review of Privacy and Consent Management in Healthcare: A Focus on Emerging Data Sources
新数据源(NDS)在医疗保健领域的出现正在数据可用性、存储和访问方面彻底改变传统的电子健康记录。临床医生越来越多地使用NDS来构建患者健康状况的虚拟整体图像。这项研究的重点是审查和分析目前的立法和隐私规则可供医疗保健专业人员。本项目中的NDS指的是并包括患者生成的健康数据、消费者设备数据、可穿戴健康和健身数据以及来自社交媒体的数据。该项目审查了新西兰、澳大利亚、欧洲联盟和美国的法律和监管要求,以确定关于使用NDS的现有机制的基本现实。我们的研究结果是建议所需的更改和增强,以更好地为当前不断发展的数据驱动医疗保健领域的NDS和应用程序的“海啸”做好准备,以及精确或个性化的健康计划,如新西兰的精确驱动健康(PDH)。
2017-11-01 cs.CY
Vulnerabilities in Personalization: Assessing Health Privacy Risks in ChatGPT Logs and Memory
Rutgers University(罗格斯大学)
本研究通过大规模审计发现ChatGPT对话中大量健康数据被隐式提取并合成永久性诊断特征,造成隐私风险,并提出设计指南以增强用户控制。
2026-09-15 cs.CY cs.HC
ModelChain: Decentralized Privacy-Preserving Healthcare Predictive Modeling Framework on Private Blockchain Networks
跨机构医疗保健预测建模可以加速研究并促进质量改进计划,因此对于国家医疗保健提供优先事项非常重要。例如,如果使用来自多个机构的数据开发预测特定患者组的再入院风险的模型,则该模型将更具有普遍性。虽然存在构建预测模型的隐私保护方法,但大多数都基于集中式架构,这会带来安全性和鲁棒性漏洞,例如单点故障(和单点漏洞)以及意外或恶意修改记录。在这篇文章中,我们描述了一个新的框架,ModelChain,以适应区块链技术的隐私保护机器学习。每个参与站点都有助于模型参数估计,而不会泄露任何患者健康信息(即,各机构之间只交换模型数据,不交换观测数据)。我们将隐私保护在线机器学习与私有区块链网络相结合,应用交易元数据来传播部分模型,并设计了一种新的信息证明算法来确定在线学习过程的顺序。我们还讨论了应用区块链技术解决隐私保护医疗保健预测建模任务的好处和潜在问题,并提高机构之间的互操作性,以支持全国互操作性路线图和国家医疗保健提供优先事项,如以患者为中心的成果研究(PCOR)。
2018-02-06 cs.CR cs.CY
Privacy at Scale in Networked Healthcare
University of Pittsburgh(匹兹堡大学)
本文提出通过大规模隐私设计和隐私预算账本,实现医疗数据的合法可信共享,利用差分隐私和联邦学习技术,在多机构学习中保障隐私安全。
2026-01-07 cs.CR cs.CY cs.ET
A Comparative Audit of Privacy Policies from Healthcare Organizations in USA, UK and India
本研究通过三阶段工作流程审计美、英、印三国医疗机构隐私政策,发现数据实践差异及法律合规问题,包括印度21.8%的不一致和四项潜在违规。
2023-06-20 cs.CR cs.CY cs.HC
Ensuring patients privacy in a cryptographic-based-electronic health records using bio-cryptography
最近的几项工作提出并实现了密码学作为保护患者健康数据隐私和安全的一种手段。然而,依赖于这些加密方案的电子健康记录(EHR)系统的最薄弱点是密钥管理。因此,本文提出的隐私和安全系统的开发基于密码的电子病历,利用指纹和虹膜特征的唯一性,以确保在生物密码学框架的密钥。系统评估的结果表明,这种方法的时间效率显着改善,以密码为基础的电子病历。模糊保险库和模糊承诺都表现出0%的错误接受率(FAR),这降低了冒名顶替者成功访问保护患者受保护的健康信息的密钥的可能性。这一结果也证明了在实际应用中实现模糊密钥绑定方案的可行性,特别是模糊保险库在密钥重构过程中表现出更好的性能。
2017-07-26 cs.CY
On the Privacy of Mental Health Apps: An Empirical Investigation and its Implications for Apps Development
越来越多的心理健康服务是通过移动系统提供的,这种模式称为移动健康。尽管移动医疗系统的采用率出现前所未有的增长(部分原因是COVID-19疫情),但对安全漏洞导致的数据隐私风险的担忧也在增加。虽然一些研究从不同的角度分析了mHealth应用程序,包括安全性,但用于心理健康服务的mHealth应用程序中可能存在的数据隐私问题的证据相对较少,其接收者可能特别脆弱。本文报告了一项实证研究,旨在系统地识别和理解心理健康应用程序中包含的数据隐私。我们分析了Google Play商店中排名最高的27款心理健康应用程序。我们的方法使我们能够对应用程序进行深入的隐私分析,涵盖静态和动态分析、数据共享行为、服务器端测试、隐私影响评估请求和隐私政策评估。此外,我们将研究结果映射到LINDDUN威胁分类,描述了威胁如何在所研究的应用程序上表现出来。调查结果揭示了重要的数据隐私问题,例如不必要的权限,不安全的加密实现,以及日志和Web请求中的个人数据和凭据泄漏。此外,由于应用程序的开发没有提供针对可链接性、可检测性和可识别性的万无一失的机制,因此用户分析的风险也很高。在当前的应用生态系统中,第三方和广告商之间的数据共享加剧了这种情况。基于本研究的实证结果,我们提供了建议,供移动健康应用程序的不同利益相关者,特别是应用程序开发人员考虑。[...]
2022-01-22 cs.CR cs.CY
On the Difficulties of Incentivizing Online Privacy through Transparency: A Qualitative Survey of the German Health Insurance Market
今天,在线隐私是监管措施和隐私增强技术的领域。有人建议以外部和公共评估的形式提高透明度,以改善隐私和安全,因为这会暴露出其他隐藏的缺陷。以前的工作已经研究了消费者的隐私态度和行为。然而,人们对组织如何对利用公开“点名羞辱”作为改进激励措施作出反应知之甚少。我们在这方面进行了第一次研究,进行了定性调查,与152个德国健康保险公司。我们用PrivacyScore.org扫描了他们的网站,生成了一个公开的排名,并将结果与保险公司进行了比较。我们获得了27%的回复率。反应从积极反馈到法律威胁不等。在我们的研究中,只有12%的网站-大多数是无应答者-得到改善。我们的研究结果表明,保险公司的斗争,由于不知情,不情愿,和无能,并展示了一般的困难,以保险为基础的方法。
2019-02-22 cs.CR cs.CY
On the Security and Privacy of AI-based Mobile Health Chatbots
Karlstad University(卡尔斯特德大学)
针对Google Play商店中16款AI移动健康聊天机器人,采用三阶段方法开展安全隐私实证评估,发现其存在漏洞、隐私问题及合规缺陷,提出改进建议以支撑开发者打造更安全合规的相关应用。
2025-11-15 cs.CR cs.CY
Exploring User Security and Privacy Attitudes and Concerns Toward the Use of General-Purpose LLM Chatbots for Mental Health
Duke University(杜克大学)
本研究通过21次半结构化访谈发现,用户在使用通用LLM聊天机器人进行心理健康管理时存在严重误解和风险意识缺失,误将其类人共情等同于类人责任并误认受HIPAA等法规保护;研究提出“无形脆弱性”概念,并给出保护用户心理健康披露的建议。
2025-07-14 cs.AI cs.CR cs.CY
Securing Health Data on the Blockchain: A Differential Privacy and Federated Learning Framework
Texas A&M University(德克萨斯农工大学);Metro State University(大都会州立大学)
面向医疗BIoT场景,提出融合差分隐私、联邦学习与区块链的框架,在SVHN上兼顾隐私保证、64.50%准确率及约6秒链上延迟。
2024-05-19 cs.CR cs.CY cs.DC
Privacy Implications of Health Information Seeking on the Web
这篇文章探讨了访问健康相关网页的人的隐私风险。所分析的页面数量来自1,986种常见疾病的50个顶级搜索结果。这总共产生了80,124个唯一页面,分析了第三方HTTP请求的存在。91%的网页被发现向第三方发出请求。对URI的调查显示,70%的HTTP Referer字符串包含暴露特定条件、治疗和疾病的信息。这给用户带来了个人身份识别和盲目歧视的风险。对现有政府和公司政策的审查表明,用户没有得到充分保护,无法防范此类风险。
2015-03-06 cs.CR cs.CY
Exploiting Multimodal Biometrics in E-Privacy Scheme for Electronic Health Records
现有的方法来保护隐私的电子健康记录是不够的,现有的医疗法律或他们是过于限制他们的使用。例如,基于灵巧卡的加密系统要求患者始终在场以授权访问医疗记录。由50名医生管理的问卷,以确定和分类不同的电子健康记录属性。该系统采用JAVA和MySQL数据库开发工具,利用患者的多种生物特征信息实现院前监护病历的查询。该系统提供了适用的安全性,当病人的记录与其他从业人员,雇主,组织或研究机构共享。系统评估的结果表明,经过10次不同的模拟,指纹和虹膜的平均响应时间分别为6秒和11.1秒。该系统通过限制暴露给用户的数据量来保护隐私和机密性。该系统还使紧急医疗技术人员能够轻松可靠地访问患者电子健康记录的必要属性,同时仍然使用患者指纹和虹膜来维护数据的隐私和机密性。
2015-02-04 cs.CR cs.CY
Overview of digital health surveillance system during COVID-19 pandemic: public health issues and misapprehensions
由于没有适当的药物和疫苗来预防COVID-19,许多政府正在使用自动化数字医疗监控系统来预防和控制传播。没有足够的文献解释的关注和隐私问题,因此,我们简要解释了本文的主题。我们专注于数字医疗监控系统的隐私问题和不同的细分市场。应在不同部门开展进一步的研究。本文根据已发表的文章提供了一个概述,这些文章并没有太多地关注隐私问题。人工智能和5G网络结合了先进的数字医疗监控系统;而基于蓝牙的接触追踪系统则具有更少的隐私问题。需要更多的研究来找到合适的数字医疗监测系统,这将是监测,控制和预测COVID-19轨迹的理想选择。
2020-07-27 cs.CR cs.CY
Application of Intelligent Multi Agent Based Systems For E-Healthcare Security
近年来,用于电子医疗记录(EHR)的广泛系统的可用性和使用增加。在医院和其他实验室等医疗中心,在治疗过程中形成了更多的健康数据集。为了提高医疗保健服务的标准,这些记录可以由不同的用户根据他们的要求共享和使用。因此,在安全和隐私方面存在值得注意的问题,应加以监测和消除,以便更有效地使用EHR。在过去的文献中已经做了各种研究,以提高电子健康系统的安全和隐私标准。尽管如此,它并没有完全增强。在本文中,进行了全面的分析,通过选择现有的方法和模型,提出了电子医疗系统的安全和隐私。提出了一种基于多代理的智能访问控制安全模型(IBAC),以维护和支持电子医疗系统的安全性和隐私性。该系统使用代理,以维护安全和隐私,同时访问电子健康数据之间的用户。
2020-04-02 cs.CR cs.CY
Chasing Your Long Tails: Differentially Private Prediction in Health Care Settings
University of Toronto(多伦多大学);Vector Institute(向量研究所)
医疗保健中的机器学习模型通常部署在保护患者隐私非常重要的环境中。在这种情况下,差分隐私(DP)学习的方法提供了一种通用的方法来学习模型的隐私保证。DP学习的现代方法通过审查被判断为过于独特的信息的机制来确保隐私。因此,由此产生的隐私保护模型忽略了数据分布尾部的信息,导致准确性损失,可能会不成比例地影响小群体。在本文中,我们研究了DP学习在医疗保健中的作用。我们使用最先进的DP学习方法来训练临床预测任务中的隐私保护模型,包括X射线图像分类和时间序列数据中的死亡率预测。我们使用这些模型对隐私、效用、对数据集转移的鲁棒性和公平性之间的权衡进行了全面的实证调查。我们的研究结果突出了医疗保健中DP学习方法的鲜为人知的局限性,在隐私和实用性之间表现出陡峭的权衡的模型,以及其预测受到训练数据中大型人口群体不成比例影响的模型。我们讨论的成本和收益的差异私人学习在医疗保健。
2020-10-13 cs.CR cs.CY cs.LG
A Systematic Literature Review on Wearable Health Data Publishing under Differential Privacy
可穿戴设备生成关于个体的不同类型的生理数据。这些数据可以为医学研究人员和临床医生提供通过传统措施无法利用的有价值的见解。历史上,研究人员一直依赖于调查响应或观察到的行为。有趣的是,生理数据可以提供比从任何其他来源(包括用户自己)获得的更丰富的用户认知。因此,廉价的消费级可穿戴设备已成为健康研究人员的兴趣点。此外,它们还用于连续的远程健康监测,有时也被保险公司使用。然而,这种用例最大的问题是个人的隐私。抽象和k-匿名等几种隐私机制在信息系统中得到了广泛的应用。最近,差分隐私(DP)已经成为发布隐私敏感数据(包括来自可穿戴设备的数据)的熟练技术。在本文中,我们进行了系统性文献综述(SLR),以识别,选择和批判性地评价DP的研究,以及了解不同的技术和DP在可穿戴数据发布中的现有使用。根据我们的研究,我们已经确定了所提出的解决方案的局限性,并提供了未来的方向。
2021-09-15 cs.CR cs.CY
Health Advertising on Facebook: Privacy & Policy Considerations
在这项研究中,我们分析了数字医药公司的内容和营销策略,以评估各种类型的跨站点跟踪中间件,用于在未经许可的情况下从用户那里提取健康信息。更具体地说,我们研究了如何在数字医药公司和Facebook之间交换浏览数据,以用于广告和潜在客户开发。该分析的重点是一个小型生态系统的公司提供服务的患者在癌症社区,经常参与社交媒体。我们的内容分析中的一些公司可能符合联邦贸易委员会所涵盖的个人健康记录供应商的法律定义,其他公司则是HIPAA涵盖的实体。我们的分析结果提出了关于什么构成违反联邦贸易委员会的健康违规通知规则的政策问题。几个例子表明了隐私实践不一致的严重问题,并揭示了数字医学暗模式如何从患者和提供广告的公司那里获取未经授权的数据。此外,我们还讨论了这些常见的营销实践如何使医疗广告的监测和针对弱势患者群体,这可能是不明显的公司瞄准广告。
2022-02-01 cs.CY
Eletronic Health Records using Blockchain Technology
数据隐私是指确保用户对信息的访问保持控制,而数据可访问性是指确保信息访问不受限制。隐私和数据可访问性之间的冲突是自然发生的,医疗保健是一个与之特别相关的领域。在本文中,我们讨论了区块链技术和智能合约如何在与特定医疗保健领域的数据访问、数据管理和数据互操作性相关的一些典型场景中提供帮助。然后,我们提出了一个大规模的信息架构的实施,以访问基于智能合约作为信息中介的电子健康记录(EHR)。我们的主要贡献是构建了医疗保健中的数据隐私和可访问性问题,并提出了一个基于区块链的集成架构。
2018-04-26 cs.CY
A Qualitative Analysis Framework for mHealth Privacy Practices
本文提出一个定性分析框架,评估152款Android mHealth应用的隐私实践,发现敏感数据泄露和隐私原则忽视问题,强调加强数据保护执法。
2024-05-28 cs.CY
Efficient and Personalized Mobile Health Event Prediction via Small Language Models
University of Melbourne(墨尔本大学)
本文研究小语言模型在移动健康监测中的本地化应用,发现11亿参数的TinyLlama在多项健康数据分析任务中性能最佳,验证了SLM在可穿戴设备上实现高效且保护隐私的实时健康预测的可行性。
2024-09-17 cs.AI cs.CL cs.CY
A Criticism of the Current Security, Privacy and Accountability Issues in Electronic Health Records
密码学已经被广泛接受的安全性和部分隐私控制,从过去的作品中发现。然而,许多这些工作并没有提供一种方法来有效地管理加密密钥,特别是在EHR应用程序中,因为这是目前提出的加密技术的致命弱点。合法用户的问责问题也不是那么受欢迎,只有少数人在EHR中考虑过。除非使用不同的方法,否则依赖于密码和密码或基于托管的系统进行密钥管理将阻碍系统的信任,从而阻碍其可接受性。此外,还应在不影响临床医生工作流程的情况下对具有正确访问权限的用户进行监测。本文介绍了一些选择最近的方法,以确保安全,隐私和问责制的电子健康记录和差距,为未来的研究进行了详细的审查。
2015-01-30 cs.CR cs.CY
Empirical Analysis of Sri Lankan Mobile Health Ecosystem: A Precursor to an Effective Stakeholder Engagement
本文通过分析41个移动应用和Web门户,发现78%的系统存在第三方接收敏感健康数据且消费者不可见的问题,为斯里兰卡新隐私立法在健康领域的实施提供了实证基础。
2024-07-18 cs.CR cs.CY cs.HC
A Review on Security and Privacy of Internet of Medical Things
医疗物联网(IoMT)正在提高电子设备的准确性,可靠性和生产能力,在医疗保健行业中发挥着非常重要的作用。通过研究人员的贡献,与医疗保健相关的可用医疗资源和服务正在通过数字医疗系统相互连接。传感器、可穿戴设备、医疗设备和临床设备都连接在一起,形成了医疗物联网的生态系统。医疗物联网使医疗保健的不同应用能够降低医疗成本,及时参加医疗响应,并有助于提高医疗质量。医疗物联网改变了医疗行业,因为它提供了有针对性的个性化医疗服务,并且还无缝地实现了医疗数据的通信。医疗领域使用的设备及其应用程序在数字世界的帮助下连接到信息技术的医疗保健系统。
2020-09-11 cs.CY cs.NI
Aim High, Stay Private: Differentially Private Synthetic Data Enables Public Release of Behavioral Health Information with High Utility
University of Vermont(佛蒙特大学)
本文利用差分隐私技术生成合成数据,在保障隐私的同时,使行为健康信息的公开发布保持高实用性,通过评估不同隐私预算下的数据集,确定隐私与实用性的平衡点。
2025-06-30 cs.CR cs.CY
HELENE: An Open-Source High-Security Privacy-Preserving Blockchain Based System for Automating and Managing Laboratory Health Tests
本文提出开源区块链平台HELENE,结合去中心化预言机保护隐私,通过拍卖实现健康测试自动化管理,并验证了智能合约性能、预言机响应时间及随机数生成器安全性。
2025-02-27 cs.CR cs.CY
GDPR Compliance for Blockchain Applications in Healthcare
与区块链相关的透明和分散的特征在应用于医疗保健用例时既有吸引力又有问题。由于健康数据高度敏感,因此也受到高度监管,以确保患者的隐私。与此同时,对卫生数据的获取和互操作性的要求很高。除其他目标外,GDPR和HIPAA等监管框架旨在帮助减轻健康数据中侵犯隐私的风险。区块链功能可能会改善对健康数据的互操作性和访问控制,同时保护甚至增加患者的隐私。区块链应用程序应满足当前监管框架的合规性,以提高现实世界的可行性。这一探索性工作表明,已发表的卫生领域概念验证在一定程度上符合GDRP。区块链开发人员需要做出设计选择以符合GDPR,因为目前没有可用的区块链平台可以显示开箱即用的合规性。
2020-09-27 cs.CR cs.CY cs.SI
The Australian PCEHR system: Ensuring Privacy and Security through an Improved Access Control Mechanism
电子健康记录(EHR)旨在准确存储来自一系列医疗保健提供者的各种数据,并通过一系列医疗保健提供者在一段时间内捕获患者的状态。意识到该系统的众多好处,EHR的采用在全球范围内不断增长,许多国家在电子卫生系统上投入巨资。在澳大利亚,政府于2012年7月投资4.67亿澳元建立个人控制电子健康记录系统的关键组成部分。然而,在过去三年中,个人和卫生保健提供者的吸收情况并不令人满意。未经授权访问PCEHR是主要障碍之一。我们提出了一种改进的访问控制模型的PCEHR系统,以解决未经授权的访问问题。我们讨论了未经授权的访问问题与真实的例子,并提出了一个潜在的解决方案,以克服这个问题,使PCEHR系统在澳大利亚取得成功。
2017-10-21 cs.CR cs.CY
Mobile Mental Health Apps: Alternative Intervention or Intrusion?
心理健康是一个极为重要的课题,尤其是在COVID-19疫情肆虐的空前时期。无处不在的移动电话可以使用户能够补充精神病治疗并管理他们的心理健康。移动心理健康(MMH)应用程序作为一种有效的替代方案出现,以帮助各种心理障碍填补急需的患者-提供者可访问性差距。然而,这也引起了人们对敏感信息泄露的严重关切。缺乏透明的隐私政策和缺乏用户意识可能会对破坏此类工具的适用性构成重大威胁。我们进行了多方面的研究- 1)隐私政策(手动和使用Polisis,一个评估隐私政策的自动化框架); 2)应用程序权限; 3)固有安全问题的静态分析; 4)威胁表面和漏洞检测的动态分析,以及5)流量分析。我们的研究结果表明,应用程序的可利用的缺陷,危险的权限和不安全的数据处理对用户的隐私和安全构成了潜在的威胁。动态分析在20个顶级MMH应用程序中发现了145个漏洞,攻击者和恶意应用程序可以访问敏感信息。45%的MMH应用程序使用唯一标识符,硬件ID,它可以将唯一ID链接到特定用户并探测用户的心理健康。流量分析表明,敏感的心理健康数据可以通过不安全的数据传输泄露。MMH应用程序需要更好的审查和监管,以便更广泛地使用,以满足日益增长的心理健康护理需求,而不会对已经脆弱的人群造成干扰。
2022-07-09 cs.CY
Integrated, reliable and cloud-based personal health record: A scoping review
个人健康记录(PHR)作为一种替代方案出现,以整合患者的健康信息,以提供患者状态的全局视图。然而,在处理来自医疗保健中心的各种电子健康系统时,集成不是一个微不足道的功能。对PHR敏感信息的访问必须遵守患者定义的隐私政策。建筑PHR设计应遵循这些原则,并充分利用现有技术。云计算是提供可伸缩性、普遍性和弹性特征的当前技术。本文介绍了一个范围审查相关的PHR系统,实现三个特征:集成,可靠和基于云。我们找到了101篇文章,涉及这些特征。我们确定了四个主要的研究主题:提案/开发系统,PHR开发建议,系统集成和标准,以及安全和隐私。集成采用HL 7 CDA标准。ABE安全隐私机制是信息可靠性的基础。基于云的技术访问通过SOA实现。
2016-09-12 cs.CY
What's on Your Mind? Exploring Privacy of Mental Health Apps
University of California, Irvine(加州大学尔湾分校);University of California, Riverside(加州大学河滨分校)
通过对25款流行的Android心理健康应用进行静态分析、动态网络捕获和LLM辅助隐私政策提取,发现这些应用存在严重的透明度问题,包括未披露的跟踪器、权限政策矛盾以及第三方AI处理披露不充分。
2026-08-31 cs.CR cs.CY
Safer Illinois and RokWall: Privacy Preserving University Health Apps for COVID-19
COVID-19从根本上扰乱了我们的生活方式。世界各地的政府机构、大学和公司正在迅速开发技术,以抗击COVID-19大流行并安全地重新开放社会。接触追踪、超级传播者事件检测和曝光映射等基本分析工具需要收集和分析敏感的用户信息。越来越多地使用这种强大的数据驱动的应用程序需要一个安全的,隐私保护的基础设施,对个人数据的计算。在本文中,我们分析了伊利诺伊大学厄巴纳-香槟分校正在开发的两个这样的计算基础设施,以跟踪和减缓COVID-19的传播。首先,我们介绍了更安全的伊利诺伊州,一个分散的健康分析系统,支持目前广泛采用的两个应用程序:数字接触追踪和COVID-19状态卡。其次,我们介绍了RokWall架构,用于对敏感用户数据进行隐私保护的集中式数据分析。我们将讨论这些系统的架构、设计选择、考虑的威胁模型以及我们在开发用于敏感数据分析的生产就绪系统时遇到的挑战。
2021-03-17 cs.CR cs.CY
CoVista: A Unified View on Privacy Sensitive Mobile Contact Tracing Effort
世界各国政府对科技巨头主宰公共卫生政策越来越感到沮丧。苹果和谷歌开发的软件使个人能够通过整理的暴露通知来跟踪自己的潜在暴露。然而,同一软件禁止位置跟踪,拒绝提供公共卫生官员进行强有力的合同跟踪所需的关键信息。这些信息是治疗和隔离COVID-19阳性人群、识别传播热点和防止感染持续传播所必需的。在本文中,我们提出了两个简单的想法:灯塔和covid-commons,它们满足了公共卫生当局的需求,同时保留了苹果和谷歌暴露通知协议的隐私敏感目标。
2020-05-27 cs.CR cs.CY
BYOD, Personal Area Networks (PANs) and IOT: Threats to Patients Privacy
FISMA和HIPPA法案的通过强制执行了各种安全控制措施,以确保患者数据的隐私。法律要求医院和保健组织确保以安全的方式存储和传播患者数据。然而,自带设备(BYOD)、移动设备、即时消息(如WhatsApp)和云技术的出现带来了新的挑战。物联网(IOT)的出现使问题进一步复杂化,因为组织没有充分认识到数据隐私威胁的所有方面。医生和卫生保健从业人员需要了解需要保护和控制的各种新的数据存储和传输途径。在本文中,我们将探讨物联网、自带设备(BYOD)和个人局域网(PAN)技术对患者隐私数据构成的各种威胁和挑战。最后,我们提供了一项调查的结果,该调查衡量了医疗保健专业人员对患者隐私的新威胁的理解深度
2019-02-18 cs.CR cs.CY
Prerequisites for International Exchanges of Health Information: Comparison of Australian, Austrian, Finnish, Swiss, and US Privacy Policies
交换健康信息的能力对于加速发现和将其传播到医疗实践至关重要。然而,保护隐私的道德和法律政策阻碍了这些数据交换,如果跨地理或组织边界移动数据,问题就会积累。这可以被视为许多卫生技术和研究成果局限于非常狭窄领域的原因之一。在本文中,我们比较了澳大利亚、奥地利、芬兰、瑞士和美国的政策如何处理出于研究目的使用和披露个人数据的问题,重点是文本数据分析。我们的目标是确定促进或阻碍国际卫生信息交流的方法和问题。正如预期的那样,每个国家内部的政策并不像各国之间那样多样化。大多数政策适用问责制和/或适当性原则,因此基本上是相似的。他们的以下要求造成了数据甚至二级数据的重复使用和重新披露的复杂性:1)在收集数据集之前,告知数据主体有关数据汇集和使用的目的; 2)保证受试者不再是可识别的; 3)在研究活动结束时销毁数据。如果数据存储在另一个国家,在没有适当许可的情况下使用存储和计算云服务以及互联网上的其他交换技术在技术上是不允许的。立法和技术都可作为克服这些障碍的手段。由此产生的丰富多样的信息将有助于新的临床假设和技术的发展和评估。
2016-12-15 cs.CY cs.DL
Law-based and standards-oriented approach for privacy impact assessment in medical devices: a topic for lawyers, engineers and healthcare practitioners in MedTech
针对GDPR与MDR整合下医疗设备DPIA的实施复杂性,研究结合多学科综述评估相关国际标准,提出融合法规与标准的统一DPIA框架,以平衡安全、创新与隐私,提升MedTech生态成熟度。
2024-09-18 cs.CY
A Proposed Access Control-Based Privacy Preservation Model to Share Healthcare Data in Cloud
云计算中的医疗保健数据通过在医疗保健提供者之间共享关于个人健康数据的信息以用于医疗咨询来促进患者的有效治疗。此外,保持数据和患者身份的机密性是另一项具有挑战性的任务。本文提出了一种基于访问控制(AC)的隐私保护模型的概念,用于在拟议的数字系统中进行用户和数据所有者的相互认证。该模型提供了高安全性保证和高效率。拟议的数字系统由四个不同的实体组成:用户、数据所有者、云服务器和密钥生成中心(KGC)。这种方法使系统更加健壮和高度安全,这已经通过多个场景进行了验证。该模型由设置阶段、密钥生成阶段、加密阶段、验证阶段、访问控制阶段和数据共享阶段组成。设置阶段由数据所有者运行,数据所有者将输入作为安全参数并生成系统主密钥和安全参数。然后,在密钥生成阶段,私钥由KGC生成并存储在云服务器中。之后,对生成的私钥进行加密。然后,会话密钥由KGC生成,并授予用户和云服务器进行存储,然后,在验证阶段使用验证消息对结果进行验证。最后,数据与用户共享并在用户端解密。所提出的模型优于其他方法的最大真实数据率为0.91。
2020-07-27 cs.CR cs.CY
The Data Sharing Paradox of Synthetic Data in Healthcare
本文探讨医疗健康中合成数据虽为共享而设计却常因重新识别风险评估模糊而受限的悖论,并指出隐私指标与法规要求不匹配是主因,提出领域应改进以缓解该问题。
2025-03-26 cs.CR cs.CY cs.DB
Softwarization of Internet of Things Infrastructure for Secure and Smart Healthcare
我们提出了一个灵活的软件化基础设施,用于灵活,经济高效,安全和隐私保护的物联网(IoT)部署,用于智能医疗保健应用和服务。它集成了物联网,雾和云领域的最先进的网络和虚拟化技术,采用区块链,Tor和消息代理为患者和医疗保健提供商提供安全和隐私。我们提出了一个新的平台,使用机器对机器(M2M)的消息和基于规则的信标无缝数据管理,并讨论了数据和决策融合的作用,分别在云和雾,智能医疗应用和服务。
2018-05-28 cs.CR cs.CY
A SwarmESB Based Architecture for an European Healthcare Insurance System in Compliance with GDPR
随着技术和社会的不断发展,数据隐私已成为一个紧迫的问题。官僚国家系统似乎扩大了任何类型的请求所需的个人文件的数量。因此,很明显,能够获得本应属于隐私的信息的人数也在增加。本文提供了一种以用户数据隐私为中心的替代云集成解决方案,其主要目的是帮助软件服务提供商和公共机构遵守通用数据保护条例。在整个提案中,我们描述了如何通过将复杂的人类程序转变为协调和解耦的群系统来实现数据机密性,其核心在于“设计隐私”原则。
2018-09-28 cs.CY cs.DC
Patient-Driven Privacy Control through Generalized Distillation
The Pennsylvania State University(宾夕法尼亚州立大学);Facebook AI Research(Facebook 人工智能研究院)
将数据分析引入医学改变了患者治疗的性质。在这种情况下,患者被要求披露个人信息,如遗传标记,生活习惯和临床病史。然后,统计模型使用这些数据来预测个性化治疗。然而,由于隐私问题,患者通常希望保留敏感信息。这种自我审查可能会妨碍适当的诊断和治疗,这可能导致严重的健康并发症,甚至随着时间的推移而死亡。在本文中,我们提出了隐私蒸馏,一种机制,允许患者控制他们希望披露给医疗保健提供者的信息的类型和数量,用于统计模型。同时,它保留了模型的准确性,这些模型可以在足够但不完整的隐私相关信息下访问所有患者数据。我们验证隐私蒸馏使用语料库的患者处方华法林的个性化剂量。我们使用深度神经网络来实现隐私蒸馏,以进行训练和剂量预测。我们发现,具有足够隐私相关信息的隐私蒸馏i)保留的准确性几乎与所有患者数据一样好(仅差3%),ii)有效防止引入健康相关风险的错误(仅差3.9%)。
2017-10-13 cs.CR cs.CY cs.LG