웨어러블 헬스 데이터 및 머신 러닝을 통한 개인 재식별

매사추세츠 로웰 대학교(University of Massachusetts Lowell)의 연구자들이 웨어러블 헬스 데이터를 기반으로 하는 새로운 유형의 개인 정보 공격을 발견했습니다. 개인 재식별 공격(PRI-Attack)은 HIPAA 규정에 따라 공개된 웨어러블 헬스 데이터를 사용하여 심박수, 호흡수, 손 제스처 데이터 등으로 개인의 身分을 식별합니다.

이 취약점은 미국에서 발생하며, 헬스 인슈어런스 포터빌리티 앤드 어카운터빌리티 액트(HIPAA)가 의료 데이터를 익명으로 유지해야 한다는 요구에도 불구하고, 생체 센서 데이터(예: 피부 온도 및 가속도 데이터)를 개인 정보 보호에 민감한 데이터로 간주하지 않습니다. 따라서 이러한 유형의 공개 데이터는 암호화되거나 전통적인 환자 데이터(예: 건강 기록)와 동일한 보호를 받지 않습니다.

벡터에서 시각으로

PRI-Attack은 해석된 이미지 데이터를 사용하여 다른 유형의 건강 데이터와 상관관계가 있는 공통 패턴을 식별합니다. 예를 들어, 한 사람의 피부 반응은 비디오를 통해 평가할 수 있으며(광학 심박수 측정), 익명 벡터 정보(웨어러블 건강 모니터링 장치)와 상관관계를 맺을 수 있습니다. 광학 심박수 측정은 심박수 데이터를 제공하며, 익명 심박수 데이터와 쌍으로 묶을 수 있습니다.

제스처 인식은 벡터 데이터를 시각 행렬로 변환하여 해석된 이미지/비디오 데이터를 익명 가속도 데이터와 상관관계를 맺을 수 있는 또 다른 키입니다.

웨어러블 데이터의 손 제스처 정보 출처: https://arxiv.org/pdf/2106.11900.pdf

센서 데이터를 개인 정보로 간주

UML의 Mohammad Arif Ul Alam 조교수에 따르면, 생리학적 센싱 데이터는 실제로 개인 정보로 간주될 수 있으며, 브라우저 지문 기술과 유사한 생물학적 아날로그입니다.

가설을 테스트하기 위해, 연구자는 손 제스처 인식 및 위치 지정 프레임워크를 개발했으며, 가속도계에서 기록된 벡터 기반 움직임(제스처 데이터)을 해석하여 웨어러블 건강 장치에서 기록된 움직임과 상관관계를 맺을 수 있는 시각 기록으로 변환했습니다.

다중 모달 시아메스 신경 네트워크(Multi-Modal Siamese Neural Network, mm-SNN)를 생성하여 서포트 벡터 머신(Support Vector Machine, SVM)을 통해 분류된 제스처 정보를 해석했습니다. 하나의 네트워크는 벡터 정보(3D 공간에서 이미지 정보로 해석됨)를 처리하며, 두 번째 네트워크는 센서 데이터에서 기록된 생리학적 데이터를 처리합니다.

테스트

시스템은 다양한 데이터셋에서 테스트되었으며, 5명의 자원봉사 학생(19-25세)으로 구성된 ‘게이머 피로 데이터셋’을 포함합니다. 이 학생들은 7일 동안 비디오 게임을 하면서 Empatica E4 손목시계를 착용했습니다. 이 시계에는 가속도계, 전도성 문맥(EDA), 피부 온도, 광학 심박수 측정 센서가 있습니다.

E4는 또한 8명의 자원봉사자가 20분 동안 샌드위치를 준비하고 먹는 동안 ‘레스토랑 데이터’ 데이터셋에서 사용되었습니다. 또한 22명의 노인(75-95세)으로 구성된 ‘노인 데이터셋’에서 13개의 스크립트된 활동을 수행하는 동안 시계를 착용했습니다.

마지막으로, 연구자들은 28명의 건강한 성인(평균 연령 42세)을 1-219일 동안 다중 센서 웨어러블 장치(가속도계, 갈바닉 피부 반응 전극, 온도 및 광 센서, 기압계 등)를 착용한 상태에서 모니터링한 ‘건강한 성인 피로 데이터셋’을 사용했습니다.

결과는 심박수와 호흡수가 재식별에 가장 확실한 수단임을 보여주며, 평균 66% 이상의 정확도를 달성했습니다.

PRI-Attack 방법론의 테스트 결과 설명: PPG: 광학 심박수 측정; HR: 심박수; BR: 호흡수; PVP: 광학 심박수 측정에서 얻은 혈액 볼륨 펄스; IBI: 광학 심박수 측정에서 얻은 심장 간격; TC: 전도성 문맥의 톤 성분; 전도성 문맥의 파지 성분; Temp: 온도

연구는 다음과 같이 결론을 내립니다:

‘현대 컴퓨터 비전 기술을 사용하여 공공 감시 카메라에서 손 제스처와 관련된 생리학적 신호(심박수, 호흡수)를 쉽게 학습할 수 있으며, 이러한大量의 기록된 비디오는 공격자가 사용자 특有的 생체 정보를 학습하여 HIPAA 규정에 따라 저장된 웨어러블 센싱 데이터에서 身分을 공개할 수 있습니다.’

HIPAA는 PHR 데이터를 ‘기본적으로 익명화’로 간주

미국 정부는 개인 건강 기록(PHR)의 성장을 인정하며, 분류한다. 개인이 접근을 제어하고, 관리, 추적, 및 자신의 건강 관리에 참여할 수 있는 개인의 건강 정보를 포함하는 전자 기록으로 간주합니다.

그러나 이는 민간 부문에서 발생하는 현상이므로, 정부는 이러한 데이터에 대한 공식적인 감시를 수행하지 않으며, 개인 정보를 포함하지 않는다고 판단합니다. 2016년 6월에 미국 보건 복지부에서 발간한 보고서에 따르면:

‘접근, 보안, 개인 정보 보호를 둘러싼 정책의 격차는 계속되고, 소비자와 혁신가 모두에게 혼란이 지속되고 있습니다. 웨어러블 피트니스 트래커, 건강 소셜 미디어, 모바일 헬스 앱은 소비자 참여를 기반으로 합니다. 그러나 우리의 법률과 규정은 이러한 새로운 기술의 발전에 따라가지 못하고 있습니다.’