ShinyAnonymizer Enhanced version and beyond: a further exploration of privacy-preserving solutions in health data management.
Φόρτωση...
Ημερομηνία
2025-01-22
Συγγραφείς
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), ΠΜΣ Μηχανικών Πληροφορικής
Επιβλέπων
Περίληψη
In the digital era, health organization’s gather millions of volumes of useful data regarding a
patient. It is very important to sufficiently hide patient data, while at the same time allowing
valid medical research. Since data privacy has become the most paramount concern, mechanisms
should be developed which protect private data but allow useful querying nonetheless.
ShinyAnonymizer was a package designed for anonymizing health data and had solved the issue.
It does this by making various anonymization techniques easily accessible to its end-users. This
paper introduces the re-designed version of ShinyAnonymizer that is far more performant. We
explain how data analysis and visualization, along with privacy-oriented statistical paradigms,
are coupled with data anonymization, hashing, and encryption to offer a wide range of tools for
researchers and data analysts to manage data in a secure way.
Τα ινστιτούτα υγειονομικής περίθαλψης παράγουν τεράστιες ποσότητες πολύτιμων δεδομένων των ασθενών στην σύγχρονη ψηφιακή εποχή. Είναι σημαντικό να βρεθεί η σωστή ισορροπία μεταξύ του απορρήτου των ασθενών και της ζήτησης για ιατρικές βελτιώσεις που βασίζονται σε αυτά τα δεδομένα. Δεδομένου ότι το απόρρητο των δεδομένων γίνεται όλο και πιο σημαντικό, πρέπει να αναπτυχθούν ισχυρές τεχνολογίες για την προστασία των ιδιωτικών δεδομένων και την ουσιαστική εξερεύνηση. Αυτό το ζήτημα αντιμετωπίστηκε από την εφαρμογή “ShinyAnonymizer”, το οποίο δημιουργήθηκε αρχικά για την ανωνυμοποίηση (anonymization) δεδομένων υγείας. Αυτό το επιτυγχάνει καθιστώντας τις μεθόδους ανωνυμοποίησης εύκολα διαθέσιμες στους χρήστες. Η βελτιωμένη έκδοση του “ShinyAnonymizer”, με σημαντική βελτίωση στην απόδοση, παρέχεται σε αυτή τη μελέτη. Εξηγούμε τη συγχώνευση των παραδειγμάτων ανάλυσης δεδομένων, οπτικοποίησης και στατιστικών που εστιάζουν στο απόρρητο με την ανωνυμοποίηση δεδομένων, τον κατακερματισμό και την κρυπτογράφηση, προσφέροντας μια εκτενή συλλογή εργαλείων για αξιόπιστη διαχείριση δεδομένων σε ερευνητές και αναλυτές δεδομένων.
Τα ινστιτούτα υγειονομικής περίθαλψης παράγουν τεράστιες ποσότητες πολύτιμων δεδομένων των ασθενών στην σύγχρονη ψηφιακή εποχή. Είναι σημαντικό να βρεθεί η σωστή ισορροπία μεταξύ του απορρήτου των ασθενών και της ζήτησης για ιατρικές βελτιώσεις που βασίζονται σε αυτά τα δεδομένα. Δεδομένου ότι το απόρρητο των δεδομένων γίνεται όλο και πιο σημαντικό, πρέπει να αναπτυχθούν ισχυρές τεχνολογίες για την προστασία των ιδιωτικών δεδομένων και την ουσιαστική εξερεύνηση. Αυτό το ζήτημα αντιμετωπίστηκε από την εφαρμογή “ShinyAnonymizer”, το οποίο δημιουργήθηκε αρχικά για την ανωνυμοποίηση (anonymization) δεδομένων υγείας. Αυτό το επιτυγχάνει καθιστώντας τις μεθόδους ανωνυμοποίησης εύκολα διαθέσιμες στους χρήστες. Η βελτιωμένη έκδοση του “ShinyAnonymizer”, με σημαντική βελτίωση στην απόδοση, παρέχεται σε αυτή τη μελέτη. Εξηγούμε τη συγχώνευση των παραδειγμάτων ανάλυσης δεδομένων, οπτικοποίησης και στατιστικών που εστιάζουν στο απόρρητο με την ανωνυμοποίηση δεδομένων, τον κατακερματισμό και την κρυπτογράφηση, προσφέροντας μια εκτενή συλλογή εργαλείων για αξιόπιστη διαχείριση δεδομένων σε ερευνητές και αναλυτές δεδομένων.
Περιγραφή
Λέξεις-κλειδιά
Medical data, Data visualisation, Data privacy, Ιατρικά δεδομένα, Οπτικοποίηση δεδομένων, Ιδιωτικότητα δεδομένων