Novel Solutions for Privacy, Security and Trust in Modern Medical Data Management Systems
Notice bibliographique
Résumé
Data and analytics are indispensable parts of any successful business. Despite that, they can lead to serious privacy issues if not used safely. Even though the financial and legal consequences of privacy breaches are profound, the most damaging one, in the long run, is customer distrust. This is particularly the case for hypersensitive data such as personal health information. In recent years, the significance of privacy, security, and trust to the design of successful modern systems are being recognized more than ever before. Nevertheless, the current state of data management systems is far from achieving this goal. Particularly, in medical data management systems, handling sensitive data, mistrust is a barrier to many core processes such as data collection, sharing and analytics. Consequently, it is a primary cause of suboptimal medical services in our time. The primary direction of this thesis is to respond to these concerns of ethical nature by taking data privacy as a fundamental human right into serious consideration in the design of these processes. We highlight the emerging role of the blockchain in health information systems and recognize blockchain's ample opportunities for trust establishment. Consequently, we propose solutions based on this novel technology. More precisely, this thesis proposes a privacy-preserving data market for incentivedriven data collection for the development of reliable mathematical models that accelerate medical research. The blockchain aspect of the platform provides transparency as to the purpose for which the data is used to avoid the perception of data misuse/abuse. Secondly, this thesis proposes flexible blockchain-based access control mechanisms with multiple privacy protection layers for user-centric data sharing. Furthermore, it proposes a distributed machine learning-as-a-service platform for data analytics whose computational integrity can be verified efficiently by users. The strength of this platform lies in mutual privacy protection of user data and service provider intellectual property.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,007 | 0,012 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».