用于医疗物联网-云系统中安全机器学习的差分隐私技术

《Future Generation Computer Systems》：Differential privacy for secure machine learning in healthcare IoT-Cloud systems

　　N. Mangala | Murtaza Rangwala | S. Aishwarya | B. Eswara Reddy | Rajkumar Buyya | K.R. Venugopal | S.S. Iyengar | L.M. Patnaik
计算机科学与工程系，JNTU Anantapur，安得拉邦，印度

**摘要**
随着可穿戴设备和联网医疗设备的出现，医疗保健领域取得了显著的进步，这些设备彻底改变了远程患者监测、紧急响应、药物管理、诊断以及预测性和规范性分析的方式。物联网（IoT）与云计算集成系统（IoT-Cloud）为这些医疗应用提供了感知、自动化和处理能力。虽然实时响应对于缓解患者紧急情况至关重要，但在数据驱动的医疗保健中保护患者隐私同样重要。在本文中，我们提出了一种多层IoT、边缘计算和云计算架构，通过根据响应的紧迫性和数据持久性要求分配任务来提高紧急医疗响应速度。我们通过应用于多种机器学习模型（K-means、逻辑回归、随机森林和朴素贝叶斯）的差分隐私框架来确保患者隐私。我们建立了一个全面的威胁模型，识别了三种类型的对手，并评估了拉普拉斯（Laplace）、高斯（Gaussian）和混合噪声机制在不同隐私预算下的效果，其中监督算法的准确率最高可达83.6%。所提出的混合拉普拉斯-高斯噪声机制结合自适应预算分配，为低维和高维数据集提供了平衡的隐私与效用权衡。在实际阈值??=5.0的情况下，监督算法的准确率为80%–81%，同时将属性推断攻击减少了18%，数据重构相关性减少了70%。我们还通过区块链集成进一步增强了安全性，区块链通过时间戳、可追溯性和不可变性确保了分析应用的可靠性。边缘计算在紧急情况下将延迟降低了8倍，验证了这种分层架构对于时间敏感操作的适用性。

**引言**
物联网（IoT）已成为现代应用生态系统不可或缺的一部分，不仅改变了组织和工业运营方式，也影响了我们的日常生活。在医疗保健领域，数字化通过改进的数据收集、个性化医疗和预防性治疗方法彻底改变了患者护理方式。如今，Fitbit追踪器、智能眼镜和胰岛素泵等可穿戴设备能够持续监测心率、血糖水平和睡眠模式等关键参数。用户必须将这些医疗物联网设备配置个人信息，如年龄、性别和位置。医疗分析利用这些患者数据生成描述性、诊断性、预测性和规范性见解，从而支持基于证据的医疗决策。此外，通过人工智能/机器学习（AI/ML）应用，政府卫生机构和研究机构正在开发有益于社会的应用程序，例如流行病学预测、疾病进展建模、医疗资源分配和精算风险评估。来自物联网设备、成像技术（MRI、CT扫描）、检测结果、电子健康记录（EHR）、药物监测和环境传感器的医疗数据存储在云系统中，形成了涵盖医疗历史、诊断、研究和分析的综合性数据库。这种云基础设施为医生、临床医生、急救人员、制药公司、保险公司、研究人员和分析师等各方提供了安全的数据访问权限[1]。然而，这种集中式数据存储存在重大安全漏洞：对手可能利用患者信息进行勒索、敲诈、制造虚假市场需求或开展针对性营销活动[2]。因此，保护患者数据至关重要，因为滥用可能导致心理压力、数据损坏导致的治疗效果受损以及各种形式的勒索。

2021年，美国的医疗支出占GDP的近20%，但系统安全性仍然存在问题，2021年7月至2022年6月间报告了692起重大医疗数据泄露事件[3]。为了解决这些漏洞，医疗组织必须遵守监管框架，例如美国国会于1996年制定的《健康保险可移植性和责任法案》（HIPAA）[3]。HIPAA包含三个主要组成部分：安全规则、隐私规则和违规通知规则。这些法规要求电子健康记录系统采取必要的保护措施，包括访问控制、数据加密和全面的审计跟踪[4]。特别是HIPAA隐私规则，为数据传输、接收、处理和共享过程中的健康信息安全制定了国家标准[5]。除了美国之外，欧盟的《通用数据保护条例》（GDPR）也为个人数据（包括健康记录）的保护建立了全面的法律框架，适用于处理欧盟居民数据的任何组织[6]。GDPR将健康数据归类为需要明确同意和加强保护的特殊类别，要求在设计和默认情况下进行数据保护，并对高风险处理活动实施严格的责任义务。HIPAA和GDPR共同构成了国际上管理医疗数据隐私的两大主要监管机制，任何跨机构或多司法管辖区部署的框架都必须满足这两者的合规要求。尽管有这些监管措施，但持续的数据泄露表明需要更强大的隐私保护技术。差分隐私（DP）作为一种特别有效的方法，通过向数据集中引入校准噪声来匿名化数据，从而在保护个人身份信息方面优于传统方法[7]。

**动机**
医疗记录包含患者的各种个人信息，并存储在云系统中供多方使用。仅抑制姓名和地址等显式参数并不能保证患者隐私，因为邮政编码和出生日期等其他字段的组合可以唯一地重新识别个人。Sweeney[8]的一个案例展示了医疗数据中的隐私漏洞：她通过对马萨诸塞州保险委员会（GIC）发布的匿名化医院数据集执行三次查询，成功重新识别出了该州州长的医疗记录。通过将1996年5月18日州长倒下的新闻报道与包含人口统计信息（姓名、地址、邮政编码和性别）的选民登记记录进行交叉参考，实现了重新识别。这个案例说明了如何通过跨数据集匹配准标识符来侵犯患者隐私。在当代医疗系统中，机器学习（ML）技术常用于分析医疗数据并解决研究问题[9]，但如果未得到适当保护，这些分析能力也会带来更高的隐私风险。通过编写精细调整的ML查询序列，对手可以从医疗数据库中窃取患者个人信息。差分隐私可以帮助防范此类隐私问题。

**差分隐私保证**
差分隐私保证指出，在数据库中添加或删除单行数据不会显著改变分析结果，从而防止对手判断某人是否存在于数据库中。例如，一个卫生部门正在研究吸烟与癌症发病率之间的因果关系。由于担心社会污名、法律影响以及数据泄露可能导致保险费歧视，潜在参与者可能不愿意参与此类研究。在这种情况下，强大的数据隐私保护对于准确分析吸烟与癌症的关系同时确保参与者匿名性至关重要。差分隐私提供了一种方法论框架，有效平衡了个人隐私保护与研究数据利用之间的需求。尽管同态加密[10]和多方安全计算[11]等替代方法可以在保持数据保密性的同时允许对受保护数据进行操作，但这些方法通常会带来较高的计算复杂性[12]。差分隐私的主要优势在于它能够在保持统计分析数据利用性的同时，专门混淆个体级别的识别信息。

**主要贡献**
本研究提高了医疗数据系统的响应速度和安全性，特别强调保护患者隐私。我们采用差分隐私技术来保护患者数据，同时保持其分析价值。虽然之前的研究已经探讨了差分隐私与机器学习的集成[13]、基于区块链的分布式机器学习[15]以及基于区块链的医疗系统[3][16][17][18]，但我们的工作通过三项关键创新推动了技术进步，使其区别于现有方法：
1. 与现有的混合差分隐私机制不同，我们的自适应混合噪声机制根据个别数据特征的敏感性和所使用的具体机器学习算法，动态选择噪声分布，提供了指导和建议。这种基于特征的方法利用了拉普拉斯噪声（适用于低维度、稀疏特征）和高斯噪声（适用于高维度、密集特征）的互补优势，从而在异构医疗数据集中实现了更好的隐私与效用权衡。
2. 我们填补了文献中的一个关键空白，首次系统地评估了多种机器学习算法（K-Means、逻辑回归、随机森林、朴素贝叶斯）在多层IoT-Edge-Cloud架构中的差分隐私机制。现有的差分隐私-机器学习框架主要关注集中式云环境中的深度学习模型。相比之下，我们的工作分析了边缘层的计算限制和延迟要求如何影响隐私保障的实际可行性，为在不同架构层次部署差分隐私机器学习提供了可操作的指导。
3. 我们的集成架构独特地结合了三种正交的安全机制：用于输入隐私的差分隐私、用于数据完整性和来源的可信度的区块链，以及跨计算层的层次化访问控制，形成了一个针对医疗紧急响应场景优化的统一框架。虽然之前的研究已经探索了这些安全机制的配对组合，但我们的方法在包括推理攻击、数据篡改和共识攻击在内的全面威胁模型下，正式分析了整个集成系统的安全保障。这种全面的安全分析表明，这三种机制提供了互补的保护，而不会引入冲突要求或降低系统性能。

**具体贡献包括：**
- 设计并实现了多层IoT-Edge-Cloud架构，以改善医疗应用的响应时间。
- 通过使用新颖的拉普拉斯-高斯噪声方法实现了医疗数据中的混合隐私保护机制，提供了基于数据特征动态选择噪声分布的见解。
- 全面评估了四种不同机器学习算法下不同噪声分布类型的隐私与效用权衡，为隐私预算分配提供了算法特定的建议。
- 通过与区块链技术的集成，提高了医疗应用的数据完整性、抗篡改能力、信任度和安全性。

**论文结构**
本文的其余部分组织如下：第2节提供了机器学习、差分隐私和先进计算平台的概述；第3节比较了最新文献；第4节提出了问题陈述；第5节建立了定义对手能力和攻击面的全面威胁模型；第6节详细解释了提出的解决方案；第7节介绍了实施细节；第8节展示了实验和结果分析；第9节讨论了有效性的威胁；第10节总结了结论和未来方向。本节详细阐述了噪声注入的方法论、医学数据的关键考虑因素，以及在差分隐私（DP）约束下评估机器学习（ML）算法的框架。

**性能评估**
本节介绍了实验方法、数据集特征以及对差分隐私技术的系统评估。评估并分析了所提出的不同差分隐私数据聚合方法的有效性，这些方法针对各种ML模型采用了不同的噪声特性。

**对有效性的威胁**
尽管所提出的框架展示了有希望的结果，但仍存在一些局限性需要承认。首先，尽管区块链集成在架构上已经明确，但它引入了固有的可扩展性限制：随着共识节点数量从4个增加到13个，交易吞吐量从2068 TPS下降到1140 TPS，平均延迟从144.8毫秒增加到284.9毫秒（表11），这可能对大规模多机构部署（尤其是交易量较大的场景）构成挑战。

**结论与未来方向**
当前的物联网（IoT）和云计算框架促进了医疗辅助技术的进步，并为医疗数据分析带来了新的见解。本研究提出了一个全面的架构框架，解决了现代医疗系统中关键的响应时间优化和安全需求问题。我们采用的多层架构方法整合了IoT、边缘计算（Edge）和云计算组件，从而提升了紧急医疗响应的效率。

**CRediT作者贡献声明**
N. Mangala：撰写——原始草案、软件开发、项目管理、方法论设计、概念构思。
Murtaza Rangwala：撰写——审阅与编辑、软件开发、资源协调。
S. Aishwarya：软件开发。
B. Eswara Reddy：指导工作。
Rajkumar Buyya：验证工作。
K.R. Venugopal：指导工作、项目管理、概念构思。
S.S. Iyengar：指导工作。
L.M. Patnaik：指导工作。

**利益冲突声明**
作者声明他们没有已知的财务利益冲突或个人关系，这些关系可能会影响本文所报告的工作结果。