Préservation de la confidentialité des données médicales dans un environnement distribué

Privacy-preserving of medical data in distributed environments

• Auteur / Autrice : Ikhlas Mastour
• Direction : Kamel Barkaoui, Layth Sliman, Raoudha Ben djemaa
• Type : Projet de thèse
• Discipline(s) : Sciences pour l'ingénieur spécialité Informatique
• Date : Inscription en doctorat le 01/06/2023
• Etablissement(s) : Paris, HESAM en cotutelle avec Institut Supérieur d'Informatique et des Technologies de Communication (ISITCOM) de Hammam Sousse
• Ecole(s) doctorale(s) : École doctorale Sciences des métiers de l'ingénieur (Paris)
• Partenaire(s) de recherche : Laboratoire : Cedric - Centre d'études et de recherche en informatique et communications
• Partenaire(s) de recherche : établissement de préparation de la thèse : Conservatoire national des arts et métiers (France)

Mots clés

Mots clés libres

Confidentialité

Environnement distribué

Chiffrement homomorphe

Privacy

Distributed system

Homomorphic encryption

Résumé

Depuis la numérisation du système de santé, on dispose aujourd'hui de très grandes quantités des données grâce aux avancées des technologies de l'information et de la communication qui permettent de recueillir d'énormes quantités des données, de les conserver et de les analyser. D'où l'exploitation de ces données nécessite des méthodes d'analyses robustes telles que les méthodes de l'intelligence artificielle et les techniques de fouille des données (data mining) car les données générées sont parfois trop complexes et volumineuses pour être traitées par des méthodes traditionnelles. Appliquer des techniques d'intelligence artificielle sur des données biomédicales multimodales engendre un trésor d'informations et de connaissances pour le secteur de recherche médicale en permettant d'établir des prévisions fiables et de prendre des décisions rapides et précises. En effet, ces méthodes d'analyse sont utilisées pour aider les professionnels de santé à identifier les traitements les plus efficaces pour certaines pathologies ou bien les meilleures pratiques permettant d'offrir les soins les plus adaptés. Alors, ces méthodes d'analyse fournissent des outils pour transformer ces données en informations utiles pour la prise de décision et en connaissances utiles pour la recherche biomédicale. A titre d'exemple, on cite L'ACP (Analyse en Composantes Principales) qui est une méthode très utilisée dans le contexte médical et en particulièrement dans le domaine de la génétique. Comme toute nouveauté médicale, cette révolution numérique pose des questions sur l'utilisation des données biomédicales comme ingrédient de base dans les méthodes d'analyse des données telles que les algorithmes de la fouille des données ou d'apprentissage automatique. Alors, comment assurer que la vie privée des patients est conservée suite au processus d'analyse ? L'exploitation des données biomédicales au sein des méthodes d'analyse aura incontestablement des répercussions sur les droits et libertés du citoyen, en particulier sur la protection de la vie privée. En effet, la réutilisation des données médicales crée un champ de tension avec les principes relatifs à la vie privée et à la protection des données qui est strictement encadrée par la loi à travers le label HDS et le règlement RGPD. Par conséquent, l'application des algorithmes de la fouille de données ou d'apprentissage automatique doivent prendre en considération ces contraintes liées à la protection des données personnelles. Ce besoin de « privacy » est d'autant plus nécessaire quand les données viennent de plusieurs entités souhaitant collaborer. La problématique est la suivante: un groupe de n fournisseurs de données sensibles P1,P2,...,Pn détiennent conjointement un dataset, une matrice X de taille nxd (n étant le nombre d'exemple et d le nombre d'attributs). Chaque fournisseur Pi est le propriétaire exclusif d'un sous-ensemble des lignes (partitionnement horizontal) ou des colonnes (partitionnement vertical), qu'on note ici Xi, de la matrice X. L'objectif est de leur permettre de réaliser une analyse de données sur 𝑋 tout en permettant à chaque fournisseur Pi de garder secrètes ses données Xi

Since health care system digitalization, we recognize a large amount of data today due to the information and communications technologies progress which allow us to acquire, store and analyze enormous amounts of data. Therefore, the exploitation of these data requires robust analysis methods such as artificial intelligence and data mining methods because generated data sometimes are overly complex and voluminous to be handled by traditional methods. Using artificial intelligence techniques on multimodal biomedical data generates a treasure of information and knowledge for the medical research sector which enables us to make reliable predictions and accurate decisions. Indeed, analysis methods are used to help health professionals to find efficient treatments and the best practices for some pathologies to offer the most appropriate care. Thus, those analysis methods provide tools to transform raw data into useful data for decision-making in the research medical sector. For instance, we cite the Principal Component Analysis method which is widely used in the medical context, more precisely in the genetic domain. As any medical innovation, this digital revolution poses many questions about the use of biomedical data as a basic component in data analysis methods such as data mining or machine learning methods. Then, how to ensure that patient privacy is preserved following the analysis process? Biomedical data exploitation within analysis methods will undoubtedly have repercussions on the rights and freedoms of citizens, in particular on privacy protection. In fact, the reuse of medical data creates a battlefield with privacy principles which is strictly regulated by law through the HDS label and the GDPR regulation. Consequently, data mining or machine learning algorithms must consider these policies related to personal data protection. This need for « privacy » becomes a necessity when data come from several entities that aim to collaborate. The problem is as follows: a group of n sensitive data suppliers P1,P2,...,Pn hold cooperatively a dataset, a matrix X of size nxd (where n is the examples number and d the attributes number). Each supplier Pi is the exclusive owner of a subset of lines (horizontal partitioning) or columns (vertical partitioning), noted Xi from the matrix X. The goal is enabling them to perform data analysis on 𝑋 while allowing each supplier to keep their Xi data secret.