분산 컴퓨테이션을 통한 생물 의학 센싱 데이터의 개인 데이터 분석

생물 의학 센서 및 모바일 통신 기술의 발전은 지난 몇 년 동안 모바일 건강(mHealth) 애플리케이션의 급속한 성장을 촉진했습니다. 사용자는 건강 모니터링 동안 높은 양의 생물 의학 데이터를 생성하며, 이는 질병 진단 및 치료를 위한 예측 모델 학습에 mHealth 서버에서 사용할 수 있습니다. 그러나 생물 의학 센싱 데이터는 감지된 주체의 건강 상태 및 생활 방식과 같은 민감한 정보를 공개하기 때문에 심각한 개인 정보 보호 문제를 일으킵니다. 본 논문은 훈련 샘플을 비공개로 유지하면서도 정확한 예측 모델 구축을 가능하게 하는 방안을 제안하고 실험적으로 연구합니다. 우리는 특히 의료 분야에서 이분형 결과를 예측하는 데 널리 사용되는 로지스틱 회귀 모델을 고려하며, 로지스틱 회귀 문제를 수평으로 분할된 데이터와 수직으로 분할된 데이터라는 두 가지 유형의 분산 센싱 데이터에 대한 작은 하위 문제로 분해합니다. 하위 문제는 개별적인 개인 데이터를 사용하여 해결되므로, mHealth 사용자는 개인 데이터를 로컬에 보관하고 모델 학습을 위해 중간 결과(암호화됨)만 mHealth 서버에 업로드할 수 있습니다. 실제 데이터 세트를 기반으로 한 실험 결과는 우리의 방안이 매우 효율적이며 많은 수의 mHealth 사용자에게 확장 가능하다는 것을 보여줍니다.