Jan, 2024
为保护隐私生成合成的健康传感器数据用于可穿戴压力检测
Generating Synthetic Health Sensor Data for Privacy-Preserving Wearable Stress Detection
Lucas Lange, Nils Wenzlitschke, Erhard Rahm
TL;DR随着智能手表健康传感器数据在智能医疗应用和患者监测中的应用越来越广泛，其中包括压力检测，然而，这类医学数据往往包含敏感的个人信息且获取成本较高。为了应对这一挑战，我们介绍了隐私意识的合成多传感器智能手表健康读数和压力瞬间相关性的方法。我们的方法使用生成对抗网络（GANs）生成合成序列数据，并结合差分隐私（DP）技术在模型训练过程中保护患者信息。为了确保合成数据的可靠性，我们采用了一系列质量评估方法，并监测合成数据与原始数据之间的合理性。为了测试其实用性，我们在一个常用但规模较小的压力检测数据集上创建了私有的机器学习模型，并探索了如何通过合成数据来增强现有数据基础。通过我们基于 GAN 的增强方法，我们观察到模型在非隐私（0.45% F1）和隐私（11.90-15.48% F1）训练场景中的性能改善。我们强调了差分隐私合成数据在优化效用 - 隐私权衡中的潜力，尤其在真实训练样本有限的情况下。