개인 의료 서비스에서 개인 정보의 보호를 위한 블룸 필터 기반의 그룹화 기법
A Bloom Filter-based Grouping Technique for Preserving Privacy in Personal Healthcare Service
- 주제(키워드) 도움말 개인 의료 서비스 , 개인 정보 보호 , 불필요한 질의 감소 , 그룹화 기법 , 블룸 필터 , K-익명화 , L-다양성
- 발행기관 서강대학교 일반대학원
- 지도교수 박석
- 발행년도 2016
- 학위수여년월 2016. 2
- 학위명 석사
- 학과 및 전공 일반대학원 컴퓨터공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000058822
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
과거 의료 데이터는 병원으로부터 수집되어지는 것에 국한되어 있었지만, 다양한 건강 관련 센서들이 발달함에 따라 개인이 수집하는 의료 데이터에 대한 관심이 높아지고 있다. 이에 따라 개인 의료 데이터를 수집하여 관련 정보를 제공하는 개인 의료 서비스도 함께 대두되고 있다. 하지만 개인이 의료 서비스를 받기 위해 서비스 제공자와 직접 의료 데이터를 공유하게 되면, 개인 정보의 노출이 발생 할 수 있다. 또한 모든 병원에게 질의를 보내는 기존 구조를 개인 의료 서비스에 그대로 적용하면, 많은 수의 불필요한 질의를 포함하게 된다. 따라서 본 논문에서는 사용자의 개인 정보 노출을 방지하기 위해 K-익명화와 L-다양성을 고려한 그룹화 기법을 제안한다. 뿐만 아니라 서비스 제공자 측면에서도 그룹화 기법을 통해 불필요한 질의들을 감소시킬 수 있는 방안을 제안한다.
more초록/요약
While the source of medical data was only limited to the hospital in the past, there has been a growing interest in medical data individuals collect on their own, along with the development in the health care sensors. Following this trend, personal healthcare service optimized for a certain individual is also becoming one of the emerging issues. However, privacy exposure might occur when individuals are sharing their health information with the service provider directly. Not only that, when private healthcare service is applied to the existing structure querying to all the hospitals, there are a lot of unnecessary queries included. Therefore, in this paper, we propose grouping technique satisfying the K-anonymity and L-diversity in order to prevent the leaking of the user's private information. Furthermore, we also propose the method for reducing the unnecessary queries by applying grouping technique in terms of service provider.
more