【《医学影像脱敏系统的基础知识综述》5200字】_第1页
【《医学影像脱敏系统的基础知识综述》5200字】_第2页
【《医学影像脱敏系统的基础知识综述》5200字】_第3页
【《医学影像脱敏系统的基础知识综述》5200字】_第4页
【《医学影像脱敏系统的基础知识综述》5200字】_第5页
已阅读5页,还剩5页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

医学影像脱敏系统的基础知识综述目录TOC\o"1-3"\h\u27079医学影像脱敏系统的基础知识综述 1296441.1数据匿名化的基本概念 1276631.2k-anonymity模型 3315531.3IPE(α,k)模型 4299331.3.1分类树与隐私保护级别 493621.3.2αisg-无关联约束 5185161.3.3保护结点约束 7273731.3.4IPE(α,k)模型 8101671.4DICOM影像文件格式 9本章对医学影像脱敏系统涉及到的基础知识进行介绍,首先1.1节介绍数据匿名化的基本概念,包括数据属性的分类和匿名化技术;然后1.2节介绍k-anonymity模型的基本定义;其次1.3节描述本文提出的IPE(α,k)模型;最后1.4节描述DICOM影像文件的格式。1.1数据匿名化的基本概念结构化的诊疗数据表现为行/列形式的关系型数据表,表中的每一个元组(记录)都代表一个个体,由多个属性值组成。根据属性和个体的关系,可以将属性分为四类:定义1.1标识符,能够唯一确定个体身份的属性,例如姓名、身份证号等。定义1.2准标识符,同时存在于待发布数据集和外部数据集中,虽不能唯一确定个体身份,但通过与外部数据集链接可以重新识别个体身份的属性集合,例如性别、年龄、手机号等。定义1.3敏感属性,个体不愿为人所知,包含隐私信息的属性,例如疾病、收入等。定义1.4非敏感属性,不属于上述三类、可以直接公开的属性。以表2-1某医院的患者病历表为例,表中的姓名属性为标识符,年龄、性别、邮编属性为准标识符,疾病属性为敏感属性。表2-1患者病历表姓名年龄性别邮编疾病Toby23Male11011IndigestionMira16Female11012FluWalt37Female11018FluDavid20Male11135Heart-DiseaseMira45Female11140CancerValt52Female11145HepatitisAnn31Feamle11150HIV目前,数据匿名化主要有泛化和隐匿(抑制)两种基本操作。其中:定义1.5泛化在不改变属性特征和语义的前提下,使用更一般、概括值代替原始属性值的操作。定义1.6隐匿可看作最高层次的泛化,指使用最一般化值替换原始属性值[23]或直接移除属性。一般来说,在发布数据集前需要对标识符属性进行隐匿操作,确保发布数据集中不直接包含标识个体身份的属性。同时,在对数据集进行匿名化处理的过程中,如果某些元组无法满足隐私保护模型的要求,也可以直接隐匿这些元组。为确保匿名化前后数据的真实性和一致性,本文对准标识符进行匿名化处理时,主要采用泛化操作。同时根据类型特点,将准标识符属性划分为数值型和分类型两种。其中:1)数值型属性指用整数或实数表示的可以度量的准标识符属性,例如年龄、体重等。对于数值型属性,我们直接使用属性值区间范围来代替原始属性值进行泛化处理。例如,对于年龄属性的两个原始属性值16和23,使用区间范围[16-23]作为泛化值替换原始属性值。2)分类型属性指代表类别或状态、‍各取值之间没有特定顺序的准标识符属性,例如工作、国籍等。对于分类型属性,我们通过预先构建泛化树并使用属性值结点的最近公共祖先结点值来替换原始属性值进行泛化处理。所谓的泛化树指由属性值和泛化值按照父子从属关系构成的具有层次关系的集合。其中,泛化树的叶子结点值为属性值,中间结点值为泛化值。例如,国籍属性的泛化树如图2-1所示,对于两个原始属性值India和China,使用最近公共祖先结点值East作为泛化值替换原始属性值。图2-1“国籍”属性的泛化树1.2k-anonymity模型Sweeney指出仅将标识符从数据表中移除,无法抵御链接攻击所造成的个体身份泄漏的风险。攻击者可以将数据表与外部公开数据表进行链接,同时基于拥有的背景知识准确识别出某一元组对应的个体身份及其敏感信息。例如,即使移除表2-1患者病历表的姓名属性后,如果攻击者从外部数据表中得知David的性别为Male、年龄为20以及邮编为11135,那么就可以推测出他患有Heart-Disease疾病。为抵御链接攻击,k-anonymity模型对准标识符进行匿名化处理,形成若干个至少包含k个元组的等价类,同一个等价类中的元组相互不可区分,从而使得攻击者最多有1/k的概率识别出个体身份。下面给出等价类和k-anonymity模型的定义。定义1.7等价类给定数据表QUOTED={t1,t2,…,tn}D={t定义1.8k-anonymity模型给定数据表QUOTED={t1,t2如表2-2所示,对表2-1患者病历表进行匿名化操作,即隐匿标识符姓名属性并泛化准标识符年龄、性别以及邮编属性后形成的2-匿名数据表。表2-22-匿名数据表编号年龄性别邮编疾病1[20-23]Male11***Indigestion2[20-23]Male11***Heart

disease3[16-37]Female1101*Flu4[16-37]Female1101*Flu5[31-45]Female111**Cancer6[31-45]Female111**Hepatitis7[31-45]Female111**HIV可以看到,2-匿名数据表中共有三个等价类,每一个等价类至少包含两个准标识符属性值相等的元组。因此,攻击者已知任意一组准标识符值都无法准确得知个体身份以及个体的敏感属性值。1.3IPE(α,k)模型在现实生活中,不同敏感属性值的隐私敏感程度不同,同一敏感属性值对不同个体的重要程度也不同。例如:对于疾病属性来说,个体对于感冒和癌症的敏感程度显然不同,而感冒对于一般个体和工作在幼儿园的个体的重要程度也显然不同。因此,有必要对数据集中的不同敏感属性值提供不同粒度的隐私保护,从而避免统一匿名化所造成的隐私过分保护或保护不足。LiuX提出一种PE(α,k)模型[16]来满足个性化的隐私保护需求,其基本思想为:首先按照隐私敏感程度将敏感属性值划分为敏感组并为每一个敏感组设定一个唯一的频率约束,同时根据个体的隐私保护需求,为相应的元组设置保护结点。PE(α,k)模型能够综合面向个体和面向敏感值两类个性化隐私保护模型的优点,但其缺点在于无法抵御相似性攻击。因此本文将对PE(α,k)模型进行改进,提出一种新的IPE(α,k)模型,使其既能满足个性化的隐私保护需求,又能避免相似性攻击。下面给出IPE(α,k)模型的相关定义。1.3.1分类树与隐私保护级别定义1.9敏感属性的分类树给定数据表D,D的敏感属性SA,SA的值域D(SA),则敏感属性SA的分类树(taxonomytree)可以定义为一个二元组QUOTESLTaxSA=(N,f)SLTaxSA=(N,f)N代表分类树的结点集合。在分类树中存在两类结点——叶子结点和中间结点。叶子结点的集合即为值域D(SA),中间结点代表敏感属性值在不同层次的泛化。f代表结点与敏感属性值的映射关系。对于任意一个结点n来说,f(n)代表可以泛化到结点n的敏感属性值的集合,|f(n)|为集合的大小。特别的,如果n为叶子结点,则f(n)的大小为1。定义1.10结点层次对于任意的结点QUOTEn∈Nn∈N,结点n的结点层次为n到其叶子结点的最短路径长度,记为l(n)。定义1.11替换结点对于任意的结点QUOTEn∈Nn∈N,结点n的替换结点为根结点到结点n路径上的任意一个结点,记为r(n)。表2-1患者病历表中敏感属性疾病的分类树如图2-2所示:图2-2“疾病”属性的分类树可以看到,从底至上,每一层结点的结点层次分别为0、1、2、3。结点Disease、Respiratoryinfection和Immunesystemdisease均为结点Flu的替换结点。显然,当某个敏感属性值被泛化到其替换结点值时,替换结点的结点层次越高,则相应敏感属性值的隐私保护强度越高。定义1.12隐私保护级别隐私保护级别可以描述为QUOTEPPL={0,1,…,n}PPL={0,1,…,n},其中n是分类树SLTax中最高的结点层次。为某个敏感属性值设置的隐私保护级别越高,说明其隐私敏感程度越高,越需要更强的隐私保护。1.3.2αisg-无关联约束考虑不同敏感属性值的隐私敏感程度不同,例如,对于疾病属性来说,个体通常不介意直接公开“Flu”属性值,但不愿意“Cancer”属性值为人所知。因此,我们可以将敏感属性值按照隐私敏感程度划分为敏感组,并按照敏感组的隐私保护级别为其设置频率约束。定义1.13敏感组给定敏感属性SA,其敏感组可以定义为QUOTEISG={isg1,isg2,…,isgn}ISG={isg1,isg2,…,isgn},其中,QUOTEisgi∩isg敏感组的频率约束αisg与其隐私保护级别pplisg成反比。即隐私保护级别越高,相应的频率约束应该越低。任意一个敏感组的频率约束αisg应该略高于敏感组内部敏感属性值的全局频率,否则难以生成满足αisg-无关联约束的匿名数据表。针对表2-1患者病历表中敏感属性疾病划分的敏感组、隐私保护级别以及频率约束如下表2-3所示:表2-3“疾病”属性的敏感组划分组号疾病pplisgαisg1HIV30.32CancerHepatitis20.53Heart

disease10.74FluIndigestion01可以看到,疾病敏感属性被换分为4个敏感组:{HIV}、{Cancer、Hepatitis}、{Heartdisease}和{Flu、Indigestion}。同时,按照敏感组的隐私敏感程度,隐私保护级别和频率约束分别为{3,2,1,0}和{0.3,0.5,0.7,1}。定义1.14αisg-无关联约束给定数据表D,D的敏感属性SA,SA的值域D(SA)以及敏感组ISG。如果对于D中的任意等价类E,都有QUOTEfreqisg,E=isg,EE≤αisg,isg∈ISGfreqisg,E=isg,EE≤αisg,isg∈ISG,则数据表D满足αisg-无关联约束。其中,QUOTEEE为等价类E中的元组数量,QUOTE为避免相似性攻击,本文对文献[16]中PE(α,k)模型的αisg-无关联约束定义进行改进。相似性攻击指的是同一个等价类中的所有敏感属性值虽然字面上存在差异,但语义上相同或很相似,那么攻击者即使无法获取个体的确切敏感信息,也可以以较大概率推测出个体敏感信息的大致范围[24]。在PE(α,k)模型中,敏感组在等价类中的频率定义为QUOTEfreqisg,E=max⁡freqs1,E,freqs2,E,…,freqsp,Efreqisg,E=max⁡freqs1,E,freqs2,E,…,freqsp,E。其中,QUOTEisg={s1,s表2-4满足PE(α,k)模型的某个等价类年龄性别邮编疾病[15-35]Male1101*Cancer[15-35]Male1101*Cancer[15-35]Male1101*Hepatitis[15-35]Male1101*Hepatitis1.3.3保护结点约束考虑同一敏感属性值对不同个体的重要程度不同。例如,对于疾病属性,大部分个体并不介意直接公开“Flu”属性值,而工作在幼儿园的个体则对“Flu”属性值较为敏感。因此,对于该个体来说,其敏感属性值“Flu”需要更强的隐私保护。定义1.15保护结点给定数据表D,D的敏感属性SA,SA的值域D(SA)和分类树SLTax以及敏感组ISG。对于数据表中的任一元组QUOTEt∈Dt∈D,其敏感属性值QUOTEs∈DSA,s∈isgs∈DSA,s∈isg。如果元组t的个体为其敏感属性值s设置一个隐私保护级别pplt且QUOTEpplt>pplisgpplt>pplisg,则在分类树SLTax上存在一个替换结点n满足QUOTEn∈r(s)n∈r(s)且QUOTEln=ppltln=pplt。我们将替换结点n定义为元组t的保护结点,记为QUOTEn=g(t)n=g(t)。定义1.16保护结点约束给定数据表D中的元组t,其敏感属性值为s。如果QUOTEgt=sgt=s,则说明元组t满足保护结点约束。包含隐私保护级别的患者病历表如下所示,其中“/”代表个体没有为其敏感属性值指定隐私保护级别。表2-5个体指定隐私保护级别的患者病历表编号姓名年龄性别邮编疾病pplt1Toby23Male11011Indigestion02Mira16Female11012Flu13Walt37Female11018Flu/4David20Male11135Heart-Disease15Mira45Female11140Cancer26Valt52Female11145Hepatitis37Ann31Female11150HIV/可以看到,元组2的敏感属性值“Flu”的隐私保护级别pplt=1大于其所在敏感组的隐私保护级别pplisg=0。因此,使用图2-2分类树中结点层次为1的保护结点“Respiratoryinfection”替换“Flu”。采用同样的方式处理元组6,使用保护结点“Disease”替换原始属性值“Hepatitis”。这样得到如表2-6所示的满足保护结点约束的患者病历表表2-6满足保护结点约束的患者病历表编号姓名年龄性别邮编疾病1Toby23Male11011Indigestion2Mira16Female11012Respiratory

infection3Walt37Female11018Flu4David20Male11135Heart

Disease5Mira45Female11140Cancer6Valt52Female11145Disease7Ann31Female11150HIV1.3.4IPE(α,k)模型基于上述αisg-无关联约束和保护节点约束,我们给出IPE(α,k)模型的定义。IPE(α,k)模型能够同时满足面向敏感值和面向个体的隐私保护需求,提供完善的个性化隐私保护服务,且能够有效避免相似性攻击。定义1.17IPE(α,k)模型给定数据表D,如果D中每一个等价类至少有k个元组、满足αisg-无关联约束且D中的每一个元组都满足保护结点约束,则数据表D满足IPE(α,k)模型。1.4DICOM影像文件格式在患者进行医学影像检查过程中,会产生两种类型的数据——结构化的诊疗数据和非结构化的DICOM影像文件。其中,诊疗数据包含患者基础信息、病例以及医生诊断结果等;DICOM影像文件为使用X射线、超声波、CT、MRI等成像技术生成的患者影像所见。随着计算机技术和网络技术的发展,以RIS(放射信息管理系统)和PACS(医学影像存档与通信

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论