Um framework baseado em blockchain para preservar a privacidade no compartilhamento de dados de saúde (2021)
- Authors:
- Autor USP: AGUIAR, ERIKSON JÚLIO DE - ICMC
- Unidade: ICMC
- Sigla do Departamento: SSC
- Subjects: CORONAVIRUS; PANDEMIAS; ATENÇÃO À SAÚDE; ANÁLISE DE DADOS; MONITORAMENTO AMBIENTAL; PRIVACIDADE
- Keywords: Blockchain; Blockchain; Brazil general privacy law; Healthcare; Lei geral de proteção de dados; Privacy; Saúde
- Agências de fomento:
- Language: Português
- Abstract: O compartilhamento de dados de saúde para pesquisa contribui para gerar novos conhecimentos. Na pandemia do novo coronavírus, sua importância é ressaltada, pois, pesquisadores de todo o mundo trocam informações para contribuir na busca de uma vacina efetiva contra o vírus. A blockchain pode auxiliar no compartilhamento de dados de saúde, reduzindo riscos a fraudes, a partir das características como imutabilidade, não repúdio e confiabilidade. No entanto, as organizações de saúde ainda estão suscetíveis a vazamento, falhas e ataques cibernéticos. Entre os ataques sofridos, um deles é o ataque de re-identificação que tem o propósito de associar registros públicos dos usuários, de modo a encontrar padrões para descobrir a identidade deles. Sistemas de saúde baseados em blockchain também estão passíveis a ataques de re-identificação. Portanto, esta pesquisa tem como suposições: (i) a adição de técnicas de anonimização ao blockchain podem mitigar riscos à privacidade dos usuários; (ii) a utilização de um token (valor hash que é utilizado como chave para auditoria no blockchain) pode auxiliar no rastreamento dos ativos compartilhados. Esta pesquisa tem o objetivo de desenvolver um framework blockchain com o Hyperledger Fabric para preservar a privacidade no compartilhamento de dados de saúde. Em vista disso, foram empregados os métodos de anonimização K-Anonimato e Privacidade Diferencial para compô-lo e mitigar problemas à privacidade. Além disso, este trabalho elaborou um estudopiloto para o compartilhamento de imagens médicas frente a ataques de re-identificação. Os resultados revelam um aumento nas despesas para a rede e hardware dos sistemas de saúde, quando utilizam o framework proposto, devido ao custo gerado pelo blockchain e pelos modelos de privacidade. No entanto, as despesas são justificáveis, uma vez que, o framework acresce aos sistemas de saúde em propriedades como não repúdio, confiabilidade e privacidade. As análises da privacidade, que foram estatísticas e para as funções de probabilidade, revelam que o comportamento de ambos os métodos apresentam baixa probabilidade da identificação de registros similares, expressa pela métrica entropia. Todo o código relativo ao framework pode ser encontrado em: <http://github.com/eriksonJAguiar/bcpshied-framework>.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 29.01.2021
-
ABNT
AGUIAR, Erikson Júlio de. Um framework baseado em blockchain para preservar a privacidade no compartilhamento de dados de saúde. 2021. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-16022021-152627/. Acesso em: 28 dez. 2025. -
APA
Aguiar, E. J. de. (2021). Um framework baseado em blockchain para preservar a privacidade no compartilhamento de dados de saúde (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-16022021-152627/ -
NLM
Aguiar EJ de. Um framework baseado em blockchain para preservar a privacidade no compartilhamento de dados de saúde [Internet]. 2021 ;[citado 2025 dez. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-16022021-152627/ -
Vancouver
Aguiar EJ de. Um framework baseado em blockchain para preservar a privacidade no compartilhamento de dados de saúde [Internet]. 2021 ;[citado 2025 dez. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-16022021-152627/ - SentinelAdvMedical: toward adversarial attacks detection on medical image classification via Out-Of-Distribution strategies
- MedTimeSplit: continual dataset partitioning to mimic real-world settings for federated learning on Non-IID medical image data
- Security and privacy in machine learning for health systems: strategies and challenges
- RADAR-MIX: how to uncover adversarial attacks in medical image analysis through explainability
- A survey of blockchain-based strategies for healthcare
- AI-driven public health surveillance: analyzing vulnerable areas in Brazil using remote sensing and socioeconomic data
- A blockchain-based protocol for tracking user access to shared medical imaging
- Assessing vulnerabilities of deep learning explainability in medical image analysis under adversarial settings
- Data augmentation for medical image segmentation: a comparative analysis of traditional techniques and synthetic data generation
- DEELE-Rad: exploiting deep radiomics features in deep learning models using COVID-19 chest X-ray images
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
