保护临床基础模型中的患者隐私：技术与法律视角

arXiv cs.AI 论文
privacy clinical-foundation-models healthcare-ai legal-perspective data-leakage ai-safety regulation

摘要

本文审视了临床基础模型中的隐私风险，其中模型介导的泄露即使在去标识化处理后仍可能导致患者重新识别。我们提出了一个实用的风险评估框架，并将现实中的泄露场景映射到HIPAA和GDPR等法律体系，提供了技术与法律相结合的综合缓解措施。

arXiv:2608.07705v1 公告类型：新 摘要：在大规模患者数据上训练的临床基础模型越来越多地用于决策支持、筛查和公共卫生。随着部署范围的扩大，隐私风险日益来自模型介导的泄露，但其普遍性和严重性仍未得到充分量化。模型可能泄露敏感的训练信息，从而以数据处理控制手段无法完全捕捉的方式实现患者重新识别。现有的框架（包括HIPAA和GDPR）对此类间接威胁提供的指导有限。我们提出了一个实用的框架来评估临床基础模型中的隐私风险，展示了跨部署环境下的现实泄露场景，将其映射到法律体系，并概述了技术与法律上的互补缓解措施。我们的分析提供了一种基于现实使用场景的情境化风险评估，以在严格保护患者隐私的同时保持医学基础模型的价值。
查看原文
查看缓存全文

缓存时间: 2026/08/11 08:03 

# 临床基础模型中的患者隐私保护：技术与法律视角
Source: https://arxiv.org/html/2608.07705

[![未命名图片](https://arxiv.org/html/2608.07705v

相似文章