Перезахідентифікація людей через носимі дані про здоров’я та машинне навчання

Новий тип атаки на приватність, заснований на даних про здоров’я від носимих пристроїв, був виявлений дослідниками Університету Массачусетса в Лоуеллі. Атака на перезахідентифікацію людини (PRI-Attack) використовує дані, що відповідають вимогам HIPAA, які公開 доступні від носимих пристроїв для здоров’я, для встановлення особи людей з даних про частоту серцевих скорочень, дихання та рухи рук, серед іншого.

Ця вразливість є можливою в США через те, що Закон про переносимость та відповідальність за медичне страхування (HIPAA), хоча й вимагає, щоб медичні дані залишались анонімними, не вважає сирі дані з датчиків (наприклад, температуру шкіри та дані акселерометра) приватно-чутливими, і тому не вимагає, щоб публічно поширені дані цього типу були зашифровані або підлягали тим же загальним захистам, які надаються традиційним формам пацієнтських даних, таким як медичні записи.

Від вектора до візуального

Атака на перезахідентифікацію людини використовує інтерпретовані дані зображень для визначення загальних закономірностей, які корелюють з іншими типами даних про здоров’я. Наприклад, реакція шкіри людини може бути оцінена з відео (фотоплетизмографія), і корелюється з тим, що повинно бути повністю анонімною векторною інформацією від пристроїв моніторингу здоров’я, таких як носимі годинники, та інших видів апаратури моніторингу. Фотоплетизмографія дає дані про частоту серцевих скорочень, які можна поєднати з неідентифікованими даними про серцеву діяльність від носимих пристроїв.

Розпізнавання жестів – це ще один “ключ”, який можна тривіально перекласти з векторних даних у візуальну матрицю, яка знову дозволяє інтерпретовані дані зображень/відео корелювати з явно анонімними даними акселерометра в даних про здоров’я.

Інформація про рухи рук з носимих даних. Джерело: https://arxiv.org/pdf/2106.11900.pdf

Дані з датчиків як особиста інформація

Дослідження, проведене помічником професора Мохаммада Аріфа Ула Алама з Університету Массачусетса в Лоуеллі, стверджує, що фізіологічні дані з датчиків можуть складати особисту інформацію, і є біологічним аналогом техніки відбитків браузера, які зараз вважаються здатними підірвати нові ініціативи з захисту приватності користувачів у мережі.

Для перевірки гіпотези дослідник розробив рамку розпізнавання та локалізації рухів рук, яка інтерпретує дані про рухи (записані векторні рухи) від носимого акселерометра, і перекладає рухи у візуальний запис, який можна корелювати з рухами, записаними носимими пристроями моніторингу здоров’я.

Була створена багатомодальна сіамська нейронна мережа (mm-SNN), яка інтерпретує інформацію про рухи, класифіковану за допомогою машини опорних векторів (SVM). Одна мережа займається векторною інформацією (інтерпретованою як інформація зображення у 3D-просторі), а друга мережа займається фізіологічними даними, записаними з даних датчиків.

Тестування

Система була протестована на різних наборах даних, включаючи набір даних “Втома гравців”, отриманий шляхом збору даних від п’яти добровольців-студентів у віці 19-25 років, які грали у відеоігри протягом семи днів, носивши наручний годинник Empatica E4. Годинник має акселерометр, електродермальний контекст (EDA), температуру шкіри та фотоплетизмографію (PPG) сенсори.

E4 також був використаний у новому наборі даних “ресторан”, де вісім добровольців підготували та поїли сандвічі протягом двадцяти хвилин, та у наборі даних “старші дорослі”, де 22 старші особи у віці 75-95 років виконували 13 сценарних дій, носячи годинник.

Нарешті, дослідники використали публічно доступний набір даних “Здорові дорослі”, який моніторив 28 здорових чоловіків і жінок середнім віком 42 роки протягом 1-219 поспільних днів, носячи багатосенсорний носимий пристрій, подібний до можливостей збору даних E4, включаючи 3-осьовий акселерометр, електрод для гальванічної реакції шкіри, температуру та фото- та барометричні сенсори.

Результати вказують на те, що частота серцевих скорочень та дихання є найбільш надійними засобами для перезахідентифікації, з середнім показником точності понад 66%.

Результати тестування методології атаки на перезахідентифікацію. Позначення: PPG: фотоплетизмографія; HR: частота серцевих скорочень; BR: частота дихання; PVP: імпульс крові (отриманий з PPG); IBI: інтервал між ударами (отриманий з PPG); TC: тонічна складова сигналу ЕДА; Фазова складова даних ЕДА (теж); Temp: температура.

Дослідження висновує:

‘Хоча сучасна технологія комп’ютерного зору може бути легко використана для вивчення рухів рук і відповідних фізіологічних сигналів з публічних відеокамер спостереження, ці величезні кількості записаних відео можуть бути легко використані атакувальниками для вивчення біометричних даних користувачів, щоб розкрити особистість з даних носимих пристроїв, що відповідають вимогам HIPAA.’

HIPAA вважає дані електронних медичних записів “анонімізованими за замовчуванням”

Уряд США визнав зростання особистих медичних записів (PHR) та класифікує такий запис (включаючи дані від носимих пристроїв для здоров’я) як ‘електронний запис інформації про здоров’я особи, яким особа контролює доступ до інформації та може мати можливість керувати, відстежувати та брати участь у своєму лікуванні’.

Однак, оскільки це явище з приватного сектора, уряд зазначає, що не здійснює офіційний нагляд за цими даними, встановивши, що вони не містять особистої ідентифікаційної інформації (PII). Звіт з червня 2016 року про непокриті сущності HIPAA від Міністерства охорони здоров’я та соціальних служб США зазначає:

‘[Великі] прогалини у політиці щодо доступу, безпеки та приватності продовжуються, і плутанина серед споживачів та інноваторів триває. Носимі фітнес-трекери, соціальні медіа про здоров’я та мобільні програми для здоров’я засновані на ідеї залучення споживачів. Однак наші закони та нормативні акти не збігалися з цими новими технологіями.’