ارزیابی و تحلیل مقایسه ای روش های حفظ حریم خصوصی داده ها در سیستم های سلامت دیجیتال مبتنی بر رایانش ابری

با گسترش روزافزون سیستم های سلامت دیجیتال مبتنی بر رایانش ابری، حفظ حریم خصوصی داده های حساس پزشکی به چالشی کلیدی تبدیل شده است. این پژوهش به ارزیابی و تحلیل مقایسه ای روش های نوین حفظ حریم خصوصی داده ها در این سیستم ها می پردازد. ابتدا چارچوبی جامع برای طبقه بندی روش های حفظ حریم خصوصی ارائه شده و سپس تکنیک های اصلی شامل رمزنگاری همریخت، محاسبات چندبخشی امن، حریم خصوصی تفاضلی و فدراسیون یادگیری از جنبه های مختلف مورد ارزیابی قرار گرفته اند. برای ارزیابی کمی، مجموعه ای از معیارها شامل سطح حفاظت، کارایی محاسباتی، مقیاس پذیری و سازگاری با قوانین تعریف شده و با استفاده از داده های واقعی سیستم سلامت دیجیتال یک بیمارستان دانشگاهی مورد آزمایش قرار گرفته اند. نتایج نشان می دهد که رویکردهای ترکیبی به ویژه ادغام یادگیری فدرال با حریم خصوصی تفاضلی، تعادل مطلوبی بین حفظ حریم خصوصی و کارایی فراهم می کنند و تا ۹۴% دقت در وظایف تحلیلی را حفظ می نمایند، در حالی که مقاومت در برابر حملات بازسازی داده را ۸۷% افزایش می دهند. یافته های این پژوهش می تواند راهنمای طراحان و توسعه دهندگان سیستم های سلامت دیجیتال در انتخاب روش های مناسب حفظ حریم خصوصی با توجه به نیازمندی های خاص کاربردی باشد.

کلیدواژه ها:

سلامت دیجیتال ، رایانش ابری ، حریم خصوصی داده ، رمزنگاری همریخت ، حریم خصوصی تفاضلی ، یادگیری فدرال