بررسی امنیت و حفظ حریم خصوصی در سامانه های هوش مصنوعی مبتنی بر داده های پزشکی

گسترش سامانه های هوش مصنوعی در حوزه پزشکی فرصت های قابل توجهی برای بهبود،تشخیص پیش بینی بیماری ها، تصمیم گیری بالینی و مدیریت خدمات سلامت فراهم کرده است؛ با این حال، وابستگی این سامانه ها به حجم گسترده ای از داده های حساس پزشکی چالش های جدی در زمینه امنیت اطلاعات و حفظ حریم خصوصی ایجاد می کند. هدف این پژوهش بررسی مهم ترین تهدیدهای امنیتی و حریم خصوصی در سامانه های هوش مصنوعی مبتنی بر داده های پزشکی و تحلیل راهکارهای مقابله با آن ها است. این پژوهش با رویکرد مروری - تحلیلی انجام شده و تهدیدهایی مانند حملات خصمانه، استخراج و وارون سازی مدل، استنتاج عضویت، مسموم سازی داده های آموزشی، دسترسی غیرمجاز و نشت داده ها را بررسی می کند. همچنین راهکارهایی از جمله یادگیری فدرال، حریم خصوصی تفاضلی، رمزنگاری، هم ریخت، ناشناس سازی داده ها، کنترل دسترسی مبتنی بر ویژگی و پایش برخط مورد تحلیل قرار گرفته اند. یافته های پژوهش نشان می دهد که هیچ یک از روش های حفاظتی به تنهایی نمی تواند تمامی تهدیدهای موجود را برطرف کند و استفاده همزمان از روش های فنی، مدیریتی و نظارتی رویکرد مناسبی تر برای ایجاد امنیت و حفظ حریم خصوصی در این سامانه ها است. در نهایت به کارگیری رویکرد دفاع در عمق و انتخاب متناسب سازوکارهای حفاظتی با نوع داده، کاربرد سامانه و سطح تهدید می تواند موجب کاهش خطر افشای اطلاعات پزشکی و افزایش اعتماد پذیری سامانه های هوش مصنوعی در حوزه سلامت شود.

کلیدواژه ها:

هوش مصنوعی ، پزشکی ، امنیت ، اطلاعات ، حریم خصوصی ، داده های پزشکی ، یادگیری فدرال ، امنیت سایبری