Effektive datenschutzfreundliche Erfassung von Gesundheitsdaten aus tragbaren Geräten eines Nutzers

Die Beliebtheit tragbarer Geräte, die mit einer Vielzahl von Sensoren ausgestattet sind, die den Gesundheitszustand der Nutzer messen und ihren Lebensstil überwachen können, nimmt zu. Tatsächlich nutzen Gesundheitsdienstleister diese Geräte als primäres Mittel zur Erfassung erheblicher Gesundheitsdaten von Nutzern. Obwohl die über tragbare Geräte gesammelten Gesundheitsdaten nützlich sind, um Gesundheitsdienstleistungen bereitzustellen, wirft die willkürliche Erfassung der Gesundheitsdaten einer Einzelperson ernsthafte Datenschutzbedenken auf. Dies liegt daran, dass die von tragbaren Geräten gemessenen und überwachten Gesundheitsdaten sensible Informationen enthalten, die sich auf die persönliche Gesundheit und den Lebensstil des Trägers beziehen. Daher schlagen wir eine Methode vor, um Gesundheitsdaten, die von tragbaren Geräten der Nutzer gewonnen werden, datenschutzfreundlich zu aggregieren. Die vorgeschlagene Methode nutzt lokale differentielle Privatsphäre, die einen de facto Standard für datenschutzfreundliche Datenverarbeitung und -aggregation darstellt, um sensible Gesundheitsdaten zu erfassen. Insbesondere wird zur Minderung des Fehlers, der durch den Störmechanismus der standortbasierten differentiellen Privatsphäre entsteht, zuerst eine kleine Anzahl von herausragenden Daten sampled, die die ursprünglichen Gesundheitsdaten am besten repräsentiert, wonach das Schema die gesampleten herausragenden Daten anstelle des gesamten Satzes von Gesundheitsdaten erfasst. Unsere experimentellen Ergebnisse zeigen, dass das vorgeschlagene samplingsbasierte Erfassungsschema eine signifikante Verbesserung der geschätzten Genauigkeit im Vergleich zu einfachen Lösungen erreicht. Darüber hinaus bestätigen die experimentellen Ergebnisse, dass ein effektiver Kompromiss zwischen dem Grad des Datenschutzes und der Genauigkeit aggregierter Statistiken mit dem vorgeschlagenen Ansatz erreicht werden kann.