Preservação de Privacidade entre Indivíduos com Semelhança Genômica

• Manuel Edvar B. Filho Universidade Federal do Ceará (UFC)
• Javam C. Machado Universidade Federal do Ceará (UFC)

DOI: https://doi.org/10.5753/sbbd_estendido.2021.18176

Resumo

O crescimento na produção de tecnologias que auxiliam no sequenciamento genético tem sido acompanhado do aumento na produção de dados genômicos das pessoas. Ao analisar esses dados é possível identificar informações pessoais e familiares acerca dos indivíduos, muitas delas informações sensíveis. Coloca-se assim a necessidade de se preservar a privacidade dos indivíduos quando da análise desse tipo de dado. É comum nas instituições de saúde executar o processo de comparar o dado genômico de um indivíduo com um conjunto de dados de outros pacientes, buscando encontrar semelhanças entre eles a fim de realizar análises e tratamentos similares. Este trabalho estuda a preservação de privacidade dos indivíduos neste processo. Investigamos perturbar o dado genômico por meio da privacidade diferencial com o objetivo de permitir análises úteis e ao mesmo tempo dificultar a reidentificação do titular do genoma.

Palavras-chave: Privacidade Diferencial, Dado Genômico, Garantia de Privacidade

Referências

Almadhoun, N., Ayday, E., and Ulusoy, O. (2019). Differential privacy under dependent tuples - the case of genomic privacy. Bioinformatics, 36(6):1696–1703.

Asharov, G., Halevi, S., Lindell, Y., and Rabin, T. (2018). Privacy-preserving search of similar patients in genomic data. Proc. Priv. Enhancing Technol., 2018(4):104–124.

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.

Dwork, C. and Roth, A. (2014). The algorithmic foundations of differential privacy. Found. Trends Theor. Comput. Sci., 9(3-4):211–407.

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. IEEE.

Li, N., Lyu, M., Su, D., and Yang, W. (2016). Differential Privacy: From Theory to Practice. Synthesis Lectures on Information Security, Privacy, & Trust. Morgan & Claypool Publishers.

McSherry, F. and Talwar, K. (2007). Mechanism design via differential privacy. In 48th Annual IEEE Symposium on Foundations of Computer Science (FOCS’07), pages 94–103. IEEE.

McSherry, F. and Talwar, K. (2007). Mechanism design via differential privacy. In 48th Annual IEEE Symposium on Foundations of Computer Science (FOCS 2007), October 20-23, 2007, Providence, RI, USA, Proceedings, pages 94–103. IEEE Computer Society.

Shringarpure, S. S. and Bustamante, C. D. (2015). Privacy risks from genomic datasharing beacons. The American Journal of Human Genetics, 97(5):631–646.

Wang, R., Li, Y. F., Wang, X., Tang, H., and Zhou, X. (2009). Learning your identity and disease from research papers: information leaks in genome wide association study. In Al-Shaer, E., Jha, S., and Keromytis, A. D., editors, Proceedings of the 2009 ACM Conference on Computer and Communications Security, CCS 2009, Chicago, Illinois, USA, November 9-13, 2009, pages 534–544. ACM.

Wang, Z. and Moult, J. (2001). Snps, protein structure, and disease. Human mutation, 17(4):263–270.