Réidentifier les personnes à travers les données de santé portables et l’apprentissage automatique

Un nouveau type d’attaque de confidentialité basée sur les données de santé portables a été identifié par des chercheurs de l’Université du Massachusetts à Lowell. Person Re-identification Attack (PRI-Attack) utilise des données HIPAA conformes, publiques et disponibles à partir de dispositifs de santé portables pour établir l’identité des individus à partir des données de fréquence cardiaque, de respiration et de gesticulation manuelle, entre autres.

La vulnérabilité est rendue possible aux États-Unis par le fait que la Health Insurance Portability and Accountability Act (HIPAA), bien qu’elle exige que les données médicales restent anonymes, ne considère pas les données brutes des capteurs (telles que la température de la peau et les données d’accéléromètre) comme étant sensibles à la vie privée, et ne nécessite donc pas que les données partagées publiquement de ce type soient chiffrées ou soumises aux mêmes protections générales qu’elle accorde aux formes traditionnelles de données de patients, telles que les dossiers médicaux.

De Vector à Visuel

Une attaque PRI utilise des données d’image interprétées pour discerner des modèles courants qui correspondent à d’autres types de données de santé. La réponse de la peau d’une personne, par exemple, peut être évaluée à partir d’une vidéo (photopléthysmographie), et corrélatée à ce qui devrait être des informations vectorielles complètement anonymes à partir de dispositifs de suivi de la santé tels que des montres portables, et d’autres types d’appareils de suivi. La photopléthysmographie donne des données de fréquence cardiaque, qui peuvent être associées à des données cardiaques non identifiées provenant de dispositifs de santé portables.

La reconnaissance de gestes est une autre « clé » qui peut être facilement traduite à partir de données vectorielles en une matrice visuelle qui, à nouveau, permet aux données d’image/vidéo interprétées d’être corrélées à des informations de capteur de santé apparemment anonymes.

Informations de geste manuel à partir de données portables. Source: https://arxiv.org/pdf/2106.11900.pdf

Données de capteur comme PII

La recherche, menée par le professeur adjoint Mohammad Arif Ul Alam de l’UML, soutient que les données de capteur physiologique peuvent en effet constituer des informations personnelles identifiables (PII), et sont en effet un analogue biologique des techniques d’empreinte de navigateur actuellement censées miner les nouvelles initiatives de protection de la vie privée sur le Web.

Pour tester l’hypothèse, le chercheur a développé un cadre de reconnaissance et de localisation de gestes manuels qui interprète les données de gestes (enregistrement de mouvements vectoriels) à partir d’un accéléromètre portable, et traduit les mouvements en un enregistrement visuel qui peut être corrélaté aux mouvements enregistrés par des dispositifs de santé portables.

Un réseau neuronal siamois multi-modal (mm-SNN) a été construit pour interpréter les informations de gestes classifiées via une machine à vecteurs de support (SVM). Un réseau traite les informations vectorielles (interprétées comme des informations d’image dans un espace 3D) et le deuxième réseau traite des données physiologiques enregistrées à partir de données de capteur.

Test

Le système a été testé sur divers ensembles de données, notamment un ensemble de données « Fatigue des joueurs » obtenu en collectant des données sur cinq étudiants volontaires, âgés de 19 à 25 ans, qui ont joué à des jeux vidéo pendant sept jours tout en portant le bracelet Empatica E4 wristband. La montre dispose d’un accéléromètre, d’un contexte électrodermal (EDA), d’une température de peau et d’une photopléthysmographie (PPG) capteurs.

L’E4 a également été utilisé dans un nouvel ensemble de données « restaurant » dans lequel huit volontaires ont préparé et mangé des sandwichs pendant vingt minutes, et dans un ensemble de données « adultes âgés » dans lequel 22 sujets âgés, âgés de 75 à 95 ans, ont effectué 13 activités scriptées tout en portant la montre.

Enfin, les chercheurs ont utilisé l’ensemble de données « Adultes en bonne santé Fatigue » publiquement disponible, qui a surveillé 28 hommes et femmes en bonne santé d’un âge moyen de 42 ans pendant 1-219 jours consécutifs tout en portant un dispositif portable à capteurs multiples similaire aux capacités de collecte de données de l’E4, y compris un accéléromètre 3 axes, une électrode de réponse galvanique de la peau, des capteurs de température et de photo, et un baromètre.

Les résultats indiquent que la fréquence cardiaque et la fréquence respiratoire sont les moyens les plus sûrs de réidentification, avec un taux de précision moyen supérieur à 66 %.

Résultats des tests de la méthode d’attaque PRI. Crib: PPG: photopléthysmographie; HR: fréquence cardiaque; BR: fréquence respiratoire; PVP: Pouls de volume sanguin (obtenu à partir de la PPG); IBI: Intervalle entre les battements (obtenu à partir de la PPG); TC: Composant tonique du signal EDA; Composant phasique des données EDA (Ibid); Temp: Température.

La recherche conclut:

‘Alors que la technologie de vision par ordinateur moderne peut être facilement utilisée pour apprendre les gestes manuels et les signaux physiologiques correspondants (fréquence cardiaque, fréquence respiratoire) à partir de caméras de surveillance publiques, ces grandes quantités de vidéos enregistrées peuvent être facilement utilisées par les attaquants pour apprendre les biotypes spécifiques à l’utilisateur et révéler l’identité à partir de données de capteur de santé conformes à HIPAA stockées sur un serveur.’

HIPAA considère les données PHR comme ‘anonymisées par défaut’

Le gouvernement américain a reconnu la croissance des dossiers médicaux personnels (PHR), et les classe comme ‘un dossier électronique des informations de santé d’un individu, contrôlé par l’individu, qui peut avoir la capacité de gérer, de suivre et de participer à ses propres soins de santé’.

Cependant, puisque c’est un phénomène du secteur privé, le gouvernement admet qu’il n’y a pas de surveillance officielle de ces données, ayant établi qu’elles ne contiennent pas d’informations personnelles identifiables (PII). Un rapport de juin 2016 sur les entités non couvertes par HIPAA du département américain de la Santé et des Services sociaux indique:

‘[De grands] écarts dans les politiques d’accès, de sécurité et de confidentialité persistent, et la confusion persiste parmi les consommateurs et les innovateurs. Les traceurs de forme physique portables, les médias sociaux de santé et les applications de santé mobile sont basés sur l’idée d’engagement du consommateur. Cependant, nos lois et réglementations n’ont pas suivi le rythme de ces nouvelles technologies.’