[論文レビュー] Genie: A Secure, Transparent Sharing and Services Platform for Genetic and Health Data

Shifa Zhang, Anne Kim+11 more|arXiv (Cornell University)|Nov 4, 2018

Ethics in Clinical Research参考文献 26被引用数 13

ひとこと要約

Genieは、ハードウェアベースの暗号化にIntel SGXを、改ざん不可能な所有権追跡にブロックチェーンを、検証可能な計算にオープンソースのRベース仮想マシンを用いることで、遺伝的および健康データのモデルをプライバシーを守って訓練できる分散型で安全なAIプラットフォームです。Genieは、生データを暴露せずにAIモデルの訓練を可能にし、データ所有権の透明性を確保するとともに、データ寄付者およびモデルトレーナーとの収益分配を可能にします。

ABSTRACT

Artificial Intelligence (AI) incorporating genetic and medical information have been applied in disease risk prediction, unveiling disease mechanism, and advancing therapeutics. However, AI training relies on highly sensitive and private data which significantly limit their applications and robustness evaluation. Moreover, the data access management after sharing across organization heavily relies on legal restriction, and there is no guarantee in preventing data leaking after sharing. Here, we present Genie, a secure AI platform which allows AI models to be trained on medical data securely. The platform combines the security of Intel Software Guarded eXtensions (SGX), transparency of blockchain technology, and verifiability of open algorithms and source codes. Genie shares insights of genetic and medical data without exposing anyone's raw data. All data is instantly encrypted upon upload and contributed to the models that the user chooses. The usage of the model and the value generated from the genetic and health data will be tracked via a blockchain, giving the data transparent and immutable ownership.

研究の動機と目的

• AIモデルのトレーニングおよび共有中に機微な遺伝的および健康データを保護するという重要な課題に対処すること。
• 生の情報が暴露されないまま、生体医療データへの安全でプライバシーを守ったアクセスを可能にすること。
• ブロックチェーン技術を用いて、データおよびAIモデルの所有権と収益の追跡を透明かつ改ざん不可能に確立すること。
• 検証可能で安全なマーケットプレイスを通じて、研究者、製薬会社、個人の間での分散型でオープンな協働を支援すること。
• データ寄付者およびモデルトレーナーが使用量および価値創出に基づいて公正に報酬を得られるインcentiveループを構築すること。

提案手法

• Intel Software Guard Extensions (SGX) を活用し、暗号化された遺伝的および健康データを復号せずに処理する隔離されたハードウェア保護型エナclaveを構築する。
• Rバイトコードを実行する仮想マシン環境を採用することで、多様なAIモデルのサポートを実現するとともに、ソースコードの監査によるコードの透明性とセキュリティを確保する。
• 同型暗号化の原理をSGXと組み合わせることで、暗号化されたデータ上で計算を実行可能にし、露出リスクを最小限に抑える。
• ブロックチェーンを用いてモデルの使用状況、データアクセス、収益分配を記録・追跡することで、改ざん不可能で透明な所有権を確保する。
• 外部ストレージを暗号化した仮想メモリシステムを実装し、ハードウェアの制限を超えてエナclaveメモリを拡張し、データの静的保護を実現する。
• 複数のエナclaveにタスクを分散させることでスケールアウト型並列処理を実現し、大規模な生物医学的データ分析におけるパフォーマンスを向上させる。

実験結果

リサーチクエスチョン

• RQ1 機微な遺伝的および健康データのAIモデルを、信頼できない第三者に生データを暴露せずにトレーニングする方法は何か？
• RQ2 データ寄付者が共有後も、自身のデータの所有権と制御権を保持できる仕組みは何か？
• RQ3 分散型参加者間で、モデルの使用状況と価値創出を透明かつ改ざん不可能に追跡するにはどうすればよいか？
• RQ4 ハードウェア隔離、暗号化、ブロックチェーン技術の組み合わせにより、生物医学AI向けに安全で検証可能かつスケーラブルなプラットフォームを構築できるか？
• RQ5 分散型の健康データエコシステムにおいて、長期的なデータ寄付およびモデル開発を促進するインcentiveをどのように設計できるか？

主な発見

• Genieは、Intel SGXを用いて暗号化された遺伝的および健康データ上で安全にAIモデルをトレーニングでき、計算中に生データが露出しないことを保証する。
• プラットフォームはブロックチェーンを活用し、データアクセス、モデル使用状況、収益分配の改ざん不可能な監査ログを生成し、透明性と信頼性を高める。
• すべてのモデルトレーニングコードはオープンソースであり、監査可能である。一方、クエリの出力は暗号化されており、承認されたユーザー以外が復号できないため、データ漏洩を防止する。
• 仮想マシンの設計により、SGXエナclave内で多様なRベースのAIモデルを実行可能となり、生物医学的分析および機械学習の両方をサポートする。
• 複数のエナclaveにわたるスケールアウト型並列処理をサポートすることで、大規模なデータワークロードに対してパフォーマンスが著しく向上する。
• モデル予測による収益は自動的にデータ所有者およびモデルトレーナーに分配され、データ共有の持続可能なインcentiveループが実現される。