研究人员开发了REAN，一种用于心电图（ECG）数据的新型匿名化技术，解决了长期的隐私-效用权衡问题。REAN采用1-D U-Net架构，并使用隐私和效用分类器进行训练以重构ECG信号。该方法实现了隐私和效用之间近乎正交的梯度，从而在对数据效用影响最小的情况下显著增强隐私。在公开的PhysioNet数据库上进行测试，REAN有效地将重新识别风险降低到偶然水平，同时保持了心律失常检测的高准确性。 AI
影响 这项研究可能导致更安全地共享敏感健康数据，从而在保护患者隐私的同时促进更广泛的研究。
排序理由 该集群包含一篇详细介绍ECG数据新匿名化技术的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.06037v1 Announce Type: cross Abstract: A shared electrocardiogram (ECG) is itself a biometric fingerprint that can re-identify a patient and reveal personal information. Recent ECG anonymizers transform the signal before sharing to reduce privacy leakage. However, exis…
A shared electrocardiogram (ECG) is itself a biometric fingerprint that can re-identify a patient and reveal personal information. Recent ECG anonymizers transform the signal before sharing to reduce privacy leakage. However, existing methods still face a privacy--utility trade-o…