用于智能医疗的隐私增强技术：研究挑战与机遇

《ACM Computing Surveys》：Privacy Enhancing Technologies for Intelligent Healthcare: Research Challenges and Opportunities

　　医疗健康数据共享中隐私增强技术（PETs）的研究综述，分析同态加密、多方安全计算、差分隐私及可信执行环境等技术的安全模型与性能问题，对比评估各类PETs的优缺点，总结医疗领域PETs应用的关键要求，并提出提升PETs性能与医疗领域适配性的未来方向。

　　

摘要

高效且安全地处理机密的健康数据一直是医疗专业人员和政策制定者面临的重要挑战，因为这些信息需要在多方之间共享，以便进行数据分析和改善健康治疗。在这方面，隐私增强技术（Privacy Enhancing Technologies, PETs）在部署智能医疗系统以优化预后和诊断方面展现出了巨大潜力。本文通过重点介绍这些技术的安全模型和性能问题，解释了重要的隐私保护技术。文章特别讨论了可用于实现特定隐私增强模型的库和工具，并详细比较了各种隐私增强方法的优缺点。此外，还阐述了医疗行业所需的安全要求，并总结了当前在医疗领域中使用的同态加密、安全多方计算、差分隐私和可信执行环境等先进技术。最后，讨论了在选择最佳隐私增强技术时必须考虑的关键参数。本文以提出一些未来发展方向作为结尾，旨在提升隐私增强技术在医疗领域的性能和应用。据我们所知，这是第一篇全面探讨隐私增强技术在医疗领域应用的论文。