[논문 리뷰] Genie: A Secure, Transparent Sharing and Services Platform for Genetic and Health Data

Shifa Zhang, Anne Kim외 11명|arXiv (Cornell University)|2018. 11. 04.

Ethics in Clinical Research참고 문헌 26인용 수 13

한 줄 요약

Genie는 하드웨어 기반 암호화를 위한 Intel SGX, 무작위성 없는 소유권 추적을 위한 블록체인, 검증 가능한 계산을 위한 오픈소스 R 기반 가상 머신을 활용해 유전체 및 건강 데이터 모델의 기밀 보장된 학습을 가능하게 하는 탈중앙화되고 안전한 AI 플랫폼입니다. 이는 원시 데이터를 노출시키지 않고 AI 모델 학습을 가능하게 하며, 데이터 소유권의 투명성을 보장하고 데이터 기여자 및 모델 트레이너와의 수익 공유를 가능하게 합니다.

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.

연구 동기 및 목표

• AI 모델 학습 및 공유 과정에서 민감한 유전체 및 건강 데이터를 보호하는 데 있어 핵심 과제를 해결하기 위해.
• 원시 정보를 폭로하지 않고도 생물의학 데이터에 안전하고 기밀 보장된 접근을 가능하게 하기 위해.
• 블록체인 기술을 활용해 데이터 및 AI 모델의 투명하고 불변의 소유권 및 수익 추적 체계를 구축하기 위해.
• 검증 가능하고 안전한 마켓플레이스를 통해 연구자, 제약 기업 및 개인 간의 탈중앙화되고 개방된 협업을 지원하기 위해.
• 사용량과 가치 창출에 기반해 데이터 기여자 및 모델 트레이너가 공정하게 보상받을 수 있도록 인cent라이브 루프를 설계하기 위해.

제안 방법

• 원시 데이터를 복호화하지 않고도 암호화된 유전체 및 건강 데이터를 처리할 수 있도록 하드웨어 보호된 격리된 환경(엔클레이브)을 생성하기 위해 Intel 소프트웨어 가드 엔클레이브(SGX)를 활용합니다.
• 소스 코드 감사를 통해 코드 투명성과 보안을 확보할 수 있도록 R 바이트코드를 실행하는 가상 머신 환경을 도입하여 다양한 AI 모델을 지원합니다.
• 암호화된 데이터에서의 계산을 가능하게 하기 위해 허모르픽 암호화 원리를 SGX와 조합하여 적용함으로써 노출 위험을 최소화합니다.
• 블록체인을 사용해 모델 사용, 데이터 접근 및 수익 배분 기록을 기록하고 추적함으로써 불변성과 투명성을 확보합니다.
• 하드웨어 메모리 한계를 초월해 외부 스토리지에 암호화된 가상 메모리 시스템을 구현하여 정지 중 데이터 보호를 강화합니다.
• 다중 엔클레이브에 걸쳐 작업을 분산함으로써 확장 가능한 병렬 처리를 지원하여 대규모 생물의학 데이터 분석의 성능을 향상시킵니다.

실험 결과

연구 질문

• RQ1 민감한 유전체 및 건강 데이터를 기반으로 한 AI 모델을 학습할 때, 원시 데이터를 신뢰할 수 없는 당사자에게 폭로하지 않고서는 어떻게 가능할 수 있는가?
• RQ2 데이터 기여자가 공유 후에도 자신의 데이터에 대한 소유권과 통제권을 유지할 수 있도록 보장하는 메커니즘은 무엇인가?
• RQ3 다양한 참가자가 분산되어 있는 환경에서 모델 사용 및 가치 창출을 어떻게 투명하고 불변하게 추적할 수 있는가?
• RQ4 하드웨어 격리, 암호화 및 블록체인 기술의 조합을 통해 안전하고 검증 가능하며 확장 가능한 생물의학 AI 플랫폼을 구축할 수 있는가?
• RQ5 탈중앙화된 건강 데이터 생태계에서 장기적인 데이터 기여 및 모델 개발을 유도하기 위해 어떤 인센티브 구조를 설계할 수 있는가?

주요 결과

• Genie는 Intel SGX를 활용해 암호화된 유전체 및 건강 데이터 기반의 안전한 AI 모델 학습을 가능하게 하며, 계산 과정에서 원시 데이터가 노출되지 않음을 보장합니다.
• 플랫폼은 블록체인을 통해 데이터 접근, 모델 사용 및 수익 배분의 불변한 감사 기록을 생성하여 투명성과 신뢰도를 향상시킵니다.
• 모든 모델 학습 코드는 오픈소스이며 감사 가능하며, 쿼리 출력은 암호화되어 있어 승인된 사용자 외에는 복호화되지 않아 데이터 유출를 방지합니다.
• 가상 머신 설계 덕분에 다양한 R 기반 AI 모델이 SGX 엔클레이브 내에서 실행 가능하여 생물의학 분석 및 머신러닝을 모두 지원합니다.
• 다중 엔클레이브를 통해 확장 가능한 병렬 처리를 지원하여 대규모 데이터 워크로드에 대한 성능을 크게 향상시킵니다.
• 모델 예측에서 발생하는 수익은 자동으로 데이터 소유자 및 모델 트레이너에게 배분되어 데이터 공유를 지속 가능하게 하는 인센티브 루프를 구축합니다.