Riconoscimento delle persone attraverso i dati sanitari indossabili e apprendimento automatico

Un nuovo tipo di attacco alla privacy basato sui dati sanitari indossabili è stato identificato da ricercatori dell’Università del Massachusetts Lowell. Attacco di riconoscimento delle persone (PRI-Attack) utilizza dati pubblicamente disponibili e conformi alle norme HIPAA da dispositivi indossabili sanitari per stabilire l’identità degli individui dai dati di frequenza cardiaca, respirazione e gesti delle mani, tra gli altri.

La vulnerabilità è resa possibile negli Stati Uniti dal fatto che il Health Insurance Portability and Accountability Act (HIPAA), mentre richiede che i dati medici rimangano anonimi, non considera i dati grezzi dei sensori (come la temperatura della pelle e i dati dell’accelerometro) come sensibili per la privacy, e quindi non richiede che i dati condivisi pubblicamente di questo tipo siano crittografati o soggetti alle stesse protezioni generali che offre ai dati tradizionali dei pazienti, come le cartelle cliniche.

Dal vettore al visivo

Un attacco PRI-Attack utilizza dati di immagini interpretate per discernere modelli comuni che si correlano ad altri tipi di dati sanitari. La risposta della pelle di una persona, ad esempio, può essere valutata da un video (fotopletismografia), e correlata a quanto dovrebbe essere informazione vettoriale completamente anonima da dispositivi di monitoraggio della salute come orologi indossabili, e altri tipi di apparecchi di monitoraggio. La fotopletismografia produce dati sulla frequenza cardiaca, che possono essere abbinate a dati cardiaci non identificati da dispositivi indossabili.

Riconoscimento dei gesti è un’altra “chiave” che può essere tradotta banalmente da dati vettoriali in una matrice visiva che, ancora una volta, consente di correlare dati di immagini/ video interpretati a informazioni apparentemente anonime dell’accelerometro nei dati sanitari.

Informazioni sui gesti delle mani dai dati indossabili. Fonte: https://arxiv.org/pdf/2106.11900.pdf

Dati dei sensori come PII

La ricerca, dell’assistente professore Mohammad Arif Ul Alam dell’UML, sostiene che i dati di sensazione fisiologica possono costituire effettivamente PII, e sono in effetti un analogo biologico delle tecniche di fingerprinting del browser attualmente ritenute in grado di minare le nuove iniziative per proteggere la privacy degli utenti su Internet.

Per testare l’ipotesi, il ricercatore ha sviluppato un framework di riconoscimento e localizzazione dei gesti delle mani che interpreta i dati dei gesti (movimenti registrati vettoriali) da un accelerometro indossabile, e traduce i movimenti in un record visivo che può essere correlato ai movimenti registrati da dispositivi di monitoraggio della salute indossabili.

Una rete neurale siamese multi-modale (mm-SNN) è stata costruita per interpretare le informazioni sui gesti classificate tramite Support Vector Machine (SVM). Una rete gestisce le informazioni vettoriali (interpretate come informazioni di immagine in uno spazio 3D) e la seconda rete gestisce i dati fisiologici registrati dai dati dei sensori.

Test

Il sistema è stato testato su vari set di dati, tra cui un “Gamer’s Fatigue Dataset” ottenuto raccogliendo dati su cinque studenti volontari, di età compresa tra 19 e 25 anni, che hanno giocato a videogiochi per sette giorni indossando il bracciale Empatica E4 wristband. L’orologio dispone di ACC, contesto elettrodermale (EDA), temperatura della pelle e fotopletismografia (PPG) sensori.

L’E4 è stato utilizzato anche in un nuovo set di dati “restaurant data”, in cui otto volontari hanno preparato e mangiato panini per venti minuti, e in un set di dati “older adults”, in cui 22 soggetti più anziani, di età compresa tra 75 e 95 anni, hanno eseguito 13 attività registrate mentre indossavano l’orologio.

Infine, i ricercatori hanno utilizzato il set di dati pubblicamente disponibile “Healthy Adults Fatigue Dataset”, che ha monitorato 28 uomini e donne sani con un’età media di 42 anni per 1-219 giorni consecutivi mentre indossavano un dispositivo indossabile multisensori simile alle capacità di raccolta dati dell’E4, tra cui un accelerometro a 3 assi, elettrodo di risposta galvanica della pelle, temperatura e foto sensori, e un barometro.

I risultati indicano che la frequenza cardiaca e la frequenza respiratoria sono i mezzi più sicuri per il riconoscimento, con un tasso di accuratezza medio superiore al 66%.

Risultati dal test del metodo PRI-Attack. Crib: PPG: fotopletismografia; HR: frequenza cardiaca; BR: frequenza respiratoria; PVP: Polso del volume sanguigno (ottenuto da PPG); IBI: Intervallo tra battiti (ottenuto da PPG); TC: Componente tonica del segnale EDA; Componente fasica dei dati EDA (Ibid); Temp: Temperatura.

La ricerca conclude:

‘Mentre la tecnologia di visione artificiale moderna può essere facilmente utilizzata per apprendere gesti delle mani e segnali fisiologici corrispondenti (frequenza cardiaca, frequenza respiratoria) da telecamere di sorveglianza pubbliche, questi enormi quantità di video registrati possono essere facilmente utilizzati dagli aggressori per apprendere biometrie specifiche dell’utente per rivelare l’identità dai dati di sensori indossabili conformi a HIPAA.’

HIPAA considera i dati PHR “anonimizzati per default”

Il governo degli Stati Uniti ha riconosciuto la crescita dei record sanitari personali (PHR) e classifica un tale record (inclusi dati da dispositivi indossabili sanitari) come ‘un record elettronico delle informazioni sanitarie di un individuo, mediante il quale l’individuo controlla l’accesso alle informazioni e può avere la capacità di gestire, tracciare e partecipare alla propria assistenza sanitaria’.

Tuttavia, poiché si tratta di un fenomeno del settore privato, il governo ammette che non esercita un controllo ufficiale su tali dati, avendo stabilito che non contengono informazioni personali identificabili (PII). Un rapporto del giugno 2016 su entità non coperte da HIPAA del Dipartimento della Salute e dei Servizi Umani degli Stati Uniti afferma:

‘[Ampie] lacune nelle politiche di accesso, sicurezza e privacy continuano, e la confusione persiste tra consumatori e innovatori. I tracker di fitness indossabili, i social media sanitari e le app mobili per la salute sono basati sull’idea di coinvolgimento del consumatore. Tuttavia, le nostre leggi e regolamentazioni non hanno tenuto il passo con queste nuove tecnologie.’