机器学习可重新识别儿童成人的私人健康数据

在研究人员使用机器学习技术重新识别一些儿童和成人的健康数据之后，身份不明人士的受保护健康信息可能不是私有的。调查结果可能表明需要制定立法来保护和确保人们健康数据的隐私。

JAMA发表的一项研究称：“这项研究的结果表明，当前对身体活动数据进行身份识别的做法不足以保证隐私，并且身份识别应汇总许多人的身体活动数据以确保个人隐私，”。这项研究是由麻省理工学院运筹学中心的研究生研究员Liangliang Na撰写的。

对于这项研究，研究人员分析了从2003年至2004年以及2005年至2006年从健康和营养检查调查(NHANES)收集的身份不明的身体活动数据的几个数据集。该研究探讨了是否有可能重新识别该数据。据研究人员称，人们担心可以重新识别从可穿戴设备收集的身份不明的身体活动数据。

该研究评估了2003-2004年数据集中4,720名成人和2,427名儿童的数据，以及2005-2006年数据集中的4,765名成人和2,539名儿童的数据。通过使用随机森林算法，研究人员成功地重新识别了2003-2004年数据集中94.9%的成年人和87.4%的儿童的人口统计和体育活动数据。该算法还成功地重新识别了2005-2006年数据集中93.8%的成年人和85.5%的儿童的人口统计和体育活动数据。

通过使用线性支持向量机算法，研究人员成功地重新识别了2003-2004年数据集中88.5%的成年人和69.8%的儿童的人口统计和体育活动数据。它还成功地重新识别了2005-2006年数据集中84.8%的成年人和67.2%的儿童的数据。

“这项研究表明，当前取消对加速度计测量的(身体活动)数据进行识别的做法可能不足以确保隐私。这一发现具有重要的政策含义，因为它似乎表明需要取消身份识别，以汇总多个个人的(体育活动)数据，以确保单个个人的隐私。阿尔写道。

据研究人员称，尽管设备制造商和以锻炼为重点的社交网络指出共享身份不明的身体活动数据不会对个人构成隐私风险，但政策制定者仍对基于活动数据识别个人或其行为表示担忧。基于这些发现，研究人员建议应更新当前的健康隐私法律法规。

“这些发现表明，共享身份不明的体育活动数据可能构成严重的隐私风险，这是有问题的，因为雇主，广告商和其他群体可能会收到身份不明的体育活动数据，” Na等。总结。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！