Preserving privacy of health data residing in HL7 FHIR repositories through de-identification
HL7 FHIR kaynaklarında bulunan sağlık verilerinin gizliliğinin kimliksizleştirme yoluyla korunması
- Tez No: 710903
- Danışmanlar: PROF. DR. PINAR KARAGÖZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 81
Özet
İşbirliği ve veri paylaşımı, sağlık alanı araştırmalarının temel unsurlarındandır. Bununla birlikte, hassas sağlık veri ihlallerinin sayısı giderek artmakta ve hastaların mahremiyetinin korunmasını sağlamak için önemli bir ihtiyaç doğmaktadır. Farklı kaynaklarda toplanan sağlık verileri istatistiksel analiz, veri madenciliği ve makine öğrenimi görevlerinde faydalı olabilirler; bu da hem sağlık uzmanları hem de hastalar için uzun vadeli değer sağlar. Klinik araştırmalar sırasında sağlık verilerinin dağıtılmış doğası ile başa çıkarken gizliliğin korunması ve güvenliğin sağlanması esastır. Veriyi kimliksizleştirme ve anonimleştirme teknikleri, hastaların verilerini gizlilik risklerinden korumak için oldukça faydalıdır. Bu tezde, gizliliğin korunmasını sağlamak için HL7 FHIR kaynaklarında bulunan sağlık verilerinin kimliksizleştirilmesi ve anonimleştirilmesi incelenmiştir. Bu çalışma, HL7 FHIR verilerinin kimliğini gizlemek için yeni bir teknik içeren ve aynı zamanda bir grafiksel kullanıcı arayüzü sağlayan Veri Gizliliği Aracının geliştirilmesini sunmaktadır. Çalışma ayrıca, çeşitli kimlik gizleme tekniklerini karşılaştıran gizlilik açısından sonuçların değerlendirilmesini de içermektedir. Bu çalışma, sağlık verilerinin kimliksizleştirilmesi için mevcut algoritmaları incelemiş ve gizlilik koruma katmanını geliştirmek için etkili bir metodoloji önermiştir. Bu çalışmanın sonuçları çeşitli deneylerle analiz edilmiştir. Bu çalışma, Horizon 2020 Araştırma ve İnovasyon Programı kapsamında FAIR4Health adlı bir araştırma projesine katkıda bulunmayı amaçlamaktadır.
Özet (Çeviri)
Collaboration and data sharing are essential aspects of health research. Nevertheless, the number of sensitive health data breaches is increasing and there is a significant need to ensure that the privacy of patients is preserved. Health data accumulated in different repositories can be useful for statistical analysis, data mining and machine learning tasks; which results in long-term value for both healthcare professionals and patients. Preserving the privacy and ensuring the security is essential while coping with the distributed nature of health data during clinical research. Data de-identification and anonymization techniques are highly beneficial for protecting patients data against privacy risks. In this thesis, de-identification and anonymization of health data existing in HL7 FHIR repositories has been studied to ensure the privacy protection. This work presents the development of Data Privacy Tool, which includes a novel technique for de-identification of HL7 FHIR data, as well as provides a graphical user interface. The study also includes assessment of the outcomes from a privacy point of view comparing various de-identification techniques. This study has examined the existing algorithms for de-identification of health data and proposed an efficient methodology to develop the privacy preservation layer. The results of this study are analyzed through several experiments. This study aims to contribute to a research project called FAIR4Health under the scope of the Horizon 2020 Research and Innovation Programme.
Benzer Tezler
- Privacy-preserving computation and robust watermarking techniques for healthcare data
Sağlık verileri için gizliliği koruyan hesaplama ve güçlü filigran teknikleri
SİNEM SAV
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERMAN AYDAY
- A multi-layer model for privacy preserving policy making for disclosure of public health data
Halk sağlığı verisi açıklanmasında mahremiyeti koruyan poliçe oluşturma için çok katmanlı model
MEHRDAD ALIZADEH MIZANI
Doktora
İngilizce
2013
Bilgi ve Belge YönetimiOrta Doğu Teknik ÜniversitesiSağlık Bilişimi Ana Bilim Dalı
PROF. DR. NAZİFE BAYKAL
- Blockchain based solution for electronic health record integrity
Elektronik sağlık verilerinin bütünlüğü için blokzincir tabanlı çözüm
KAAN ÇELİK
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiKriptografi Ana Bilim Dalı
DOÇ. DR. OĞUZ YAYLA
- Sağlık hizmetlerinde anonimlik: Dağıtık yapılar için ideal bir veri paylaşım modeli
Anonymity in healthcare systems: An ideal data sharing model for distributed structures
PELİN CANBAY
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAYRİ SEVER
- Privacy-preserving query processing on text documents
Başlık çevirisi yok
ŞAHİN BUYRUKBİLEN
Doktora
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolThe City University of New YorkPROF. SPIRIDON BAKIRAS