[논문 리뷰] SaYoPillow: A Blockchain-Enabled, Privacy-Assured Framework for Stress Detection, Prediction and Control Considering Sleeping Habits in the IoMT

Laavanya Rachakonda, Anand K. Bapatla외 2명|arXiv (Cornell University)|2020. 07. 14.

Sleep and related disorders참고 문헌 73인용 수 10

한 줄 요약

SaYoPillow는 스노어링, 사지 운동, 수면 지속 시간 등의 수면 관련 생리적 신호를 모니터링하여 스트레스를 96%의 정확도로 감지하고 예측하며 제어할 수 있는 블록체인 보안 및 엣지 컴퓨팅 기반의 IoMT 프레임워크를 제안한다. 엣지에서 풀 연결 신경망을 사용하고, 에테레움 블록체인을 활용해 개인정보 보호 기반의 클라우드 스토리지 및 액세스 제어를 실현하여 사용자 맞춤형 UI를 통해 실시간 피드백을 제공한다.

ABSTRACT

Considering today's lifestyle, people just sleep forgetting the benefits it provides to the human body. The reasons for not having a productive sleep could be many. Smart-Yoga Pillow (SaYoPillow) is envisioned as a device that may help in recognizing the importance of a good quality sleep to alleviate stress while establishing a measurable relationship between stress and sleeping habits. A system that analyzes the sleeping habits by continuously monitoring the physiological changes that occur during rapid eye movement (REM) and non-rapid eye movement (NREM) stages of sleep is proposed in the current work. In addition to the physiological parameter changes, factors such as sleep duration, snoring range, eye movement, and limb movements are also monitored. The SaYoPillow system is processed at the edge level with the storage being at the cloud. Not having to compromise the user's privacy, SaYoPillow proposes secure data transmission for both uploading and retrieving, and secure storage and communications as an attempt to reduce malicious attacks on healthcare. A user interface is provided for the user to control data accessibility and visibility. SaYoPillow has 96% accuracy which is close to other existing research works. However, SaYoPillow is the only work with security features as well as only work that considers sleeping habits for stress.

연구 동기 및 목표

• 수면 중 생리적 및 행동적 수면 데이터를 활용하여 지속적인 스트레스 모니터링을 위한 보안성과 개인정보 보호 기능을 갖춘 프레임워크 개발
• 의료 IoT 시스템에서 데이터 무결성과 세밀한 액세스 제어를 확보하기 위해 블록체인 기술(에테레움)을 통합하여 변조 방지 저장소 제공
• NREM 및 REM 수면 단계 동안 수집된 생리적 신호를 기반으로 엣지 기반 머신러닝을 활용해 정확한 실시간 스트레스 감지 및 예측 구현
• 블록체인 검증 데이터와 연동된 상호작용형 사용자 인터페이스를 통해 사용자에게 실행 가능한 통찰력과 스트레스 감소 권고 사항 제공
• 예방의료를 위한 측정 가능하고 데이터 기반의 수면 품질과 스트레스 수준 간의 관계 수립

제안 방법

• 15,000개의 샘플로 훈련된 풀 연결 신경망(FCNN)을 사용해 수면 지속 시간, 코골이 범위, 눈동자 움직임, 사지 운동 등 8개의 생리적 신호를 엣지에서 처리
• TensorFlow를 활용해 13,000개 샘플로 훈련하고 2,000개 샘플로 테스트하여 스트레스 분류 정확도 96% 및 손실 1% 이하 달성
• 에테레움 블록체인을 활용해 분석된 스트레스 데이터를 저장하고 검증하여 데이터 무결성 확보 및 사용자 인터페이스 기반 역할 기반 액세스 제어 기능 제공
• 불확실성 논리 기반 GUI와 표면도를 활용해 스트레스 수준을 시각화하고 향후 모바일 애플리케이션 개발 지원
• 엔드 투 엔드 암호화를 통해 엣지 장치에서 클라우드로 처리된 데이터를 안전하게 Wi-Fi 전송
• 사용자가 데이터 가시성 및 액세스 권한을 제어할 수 있도록 설계된 사용자 인터페이스로 IoMT 환경에서의 개인정보 보호 강화

실험 결과

연구 질문

• RQ1 수면 관련 생리적 및 행동적 데이터는 어떻게 효과적으로 수면 중 스트레스 수준을 감지하고 예측하는 데 활용될 수 있는가?
• RQ2 블록체인 기술은 IoMT 기반 스트레스 모니터링 시스템에서 민감한 건강 데이터를 보호하는 데 어떤 역할을 하는가?
• RQ3 엣지 기반 머신러닝은 사용자 개인정보를 훼손하지 않으면서도 정확하고 실시간으로 스트레스를 감지할 수 있는가?
• RQ4 안전하고 확장 가능한 IoMT 의료 프레임워크 환경에서 사용자 제어 기반의 액세스 및 데이터 가시성은 어떻게 구현될 수 있는가?
• RQ5 수면 습관인 수면 지속 시간, 코골이, 운동 등이 스트레스 수준과 얼마나 상관이 있으며, 이를 효과적으로 모델링할 수 있는가?

주요 결과

• SaYoPillow 프레임워크는 15,000개 샘플로 구성된 데이터셋을 기반으로 풀 연결 신경망을 사용해 스트레스 수준 5단계 분류에 96%의 정확도를 달성
• 모델은 1% 미만의 훈련 손실을 보이며 스트레스 예측의 강력한 수렴성과 신뢰성 입증
• 에테레움 블록체인 통합을 통해 분석된 스트레스 데이터의 안정적이고 변조 불가능한 저장소 확보 및 검증 가능한 액세스 제어 및 감사 가능성 확보
• 수면 중 15분 간격으로 생리적 신호 및 스트레스 수준의 실시간 모니터링과 시각화 기능 성공적 구현
• 사용자 인터페이스를 통해 액세스 역할 제어를 동적으로 조정 가능하여 사용자 개인정보 보호 및 자율성 향상
• 프레임워크는 모바일 애플리케이션으로의 확장이 가능하며, 제3자 건강 앱과의 연동을 통해 보다 넓은 의료 통합 가능