Publicação Diferencialmente Privada de Dados de Pacientes de COVID-19

  • Manuel Edvar Bento Filho Universidade Federal do Ceará
  • Eduardo Rodrigues Duarte Neto Universidade Federal do Ceará
  • Javam de Castro Machado Universidade Federal do Ceará

Resumo


A pandemia do novo corona vírus (COVID-19) trouxe novos desafios aos sistemas de saúde por quase todos os cantos do mundo, muitos deles sobrecarregados. A análise de dados tem desempenhado um papel fundamental no combate ao corona vírus, guiando tanto profissionais de saúde, como autoridades governamentais nas estratégias adotadas. Entretanto, informações privadas dos indivíduos devem ser preservadas, e um equilíbrio entre privacidade e utilidade deve ser alcançado. Este trabalho irá demonstrar que é possível garantir a privacidade dos pacientes infectados e manter a utilidade dos dados, permitindo uma análise de qualidade sobre os mesmos.

Palavras-chave: COVID-19, Publicação de Dados, Privacidade Diferencial

Referências

Dwork, C. (2008). Differential privacy: A survey of results. In Agrawal, M., Du, D., Duan, Z., and Li, A., editors,Theory and Applications of Models of Computation, pages 1–19, Berlin, Heidelberg. Springer Berlin Heidelberg.

Dwork, C., McSherry, F., Nissim, K., and Smith, A. (2006). Calibrating noise to sensitivity in private data analysis. In Halevi, S. and Rabin, T., editors, Theory of Cryptography, pages 265–284, Berlin, Heidelberg. Springer Berlin Heidelberg.

Erlingsson, Ú., Korolova, A., and Pihur, V. (2014). RAPPOR: randomized aggregatable privacy-preserving ordinal response. CoRR, abs/1407.6981.

Fung, B. C. M., Wang, K., Chen, R., and Yu, P. S. (2010). Privacy-preserving data publishing: A survey of recent developments. ACM Computing Surveys, 42(4): 1–53.

Haas, S., Wohlgemuth, S., Echizen, I., Sonehara, N., and Müller, G. (2011). Aspects of privacy for electronic health records. International journal of medical informatics, 80(2): e26–e31

Lecuyer, M., Atlidakis, V., Geambasu, R., Hsu, D., and Jana, S. (2019). Certified robustness to adversarial examples with differential privacy. In 2019 IEEE Symposium on Security and Privacy (SP), pages 656–672.

Machado, J. C., Neto, E. R. D., and Filho, M. E. B. (2019). Técnicas de privacidade de dados de localização. In XXXIV SBBD, Fortaleza, CE, Brazil, October 7-10, 2019

McSherry, F. and Talwar, K. (2007). Mechanism design via differential privacy. In 48thAnnual IEEE Symposium on Foundations of Computer Science, pages 94–103

Narayanan, A. and Shmatikov, V. (2006). How to break anonymity of the netflix prize dataset. arXiv preprint cs/0610105.

SUS (2020). Boletim epidemiológico novo coronavírus (covid-19). Acessado: 19-06-20.

SWEENEY, L. (2002). k-anonymity: A model for protecting privacy. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 10(05): 557–570.
Publicado
28/09/2020
BENTO FILHO, Manuel Edvar; DUARTE NETO, Eduardo Rodrigues; MACHADO, Javam de Castro. Publicação Diferencialmente Privada de Dados de Pacientes de COVID-19. In: SIMPÓSIO BRASILEIRO DE BANCO DE DADOS (SBBD), 35. , 2020, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2020 . p. 247-252. ISSN 2763-8979. DOI: https://doi.org/10.5753/sbbd.2020.13649.