[论文解读] VaultDB: A Real-World Pilot of Secure Multi-Party Computation within a Clinical Research Network

Jennie Rogers, Elizabeth Adetoro+15 more|arXiv (Cornell University)|Feb 28, 2022

Privacy-Preserving Technologies in Data被引用 11

一句话总结

VaultDB 实现了在不移动数据的情况下，对跨分布式电子健康记录（EHR）的 SQL 查询进行安全的多方计算，利用密码学协议确保隐私。在 CAPriCORN 网络中三个医疗系统的现实世界试点中，它实现了对碎片化患者数据的高效、可扩展分析，聚合查询的运行时间在 5 至 15 秒之间，证明了其在隐私保护临床研究中的实际可行性。

ABSTRACT

Electronic health records represent a rich and growing source of clinical data for research. Privacy, regulatory, and institutional concerns limit the speed and ease of sharing this data. VaultDB is a framework for securely computing SQL queries over private data from two or more sources. It evaluates queries using secure multiparty computation: cryptographic protocols that evaluate a function such that the only information revealed from running it is the query answer. We describe the development of a HIPAA-compliant version of VaultDB on the Chicago Area Patient Centered Outcomes Research Network (CAPriCORN). This multi-institutional clinical research network spans the electronic health records of nearly 13M patients over hundreds of clinics and hospitals in the Chicago metropolitan area. Our results from deploying at three health systems within this network show its efficiency and scalability for distributed clinical research analyses without moving patient records from their site of origin.

研究动机与目标

• 为解决由于 HIPAA 法规、复杂的 DUAs 和机构不愿共享原始 EHR 而导致的多机构临床研究中的数据共享挑战。
• 通过在机构之间直接进行安全计算，消除对诚实中介或集中式数据中介的需求。
• 开发并部署一个符合 HIPAA 要求、可扩展的隐私数据联邦框架，使用安全多方计算（sMPC）。
• 证明 sMPC 在涉及大型、碎片化 EHR 数据集的实际临床研究工作负载中的实用性和性能。
• 在不损害隐私的前提下，实现对多样化人群的患者数据进行更快、更高效、密码学安全的分析。

提出的方法

• VaultDB 使用安全多方计算（sMPC）在不向任何参与方暴露单个记录（除数据原始提供者外）的情况下，对多个数据源中的 SQL 查询进行计算。
• 它采用秘密共享和不经意排序技术，仅对相关记录安全计算聚合和过滤操作（如去重和排除标准）。
• 系统通过在每个机构内使用容器化软件和标准硬件进行部署，确保兼容性和易于集成。
• 数据合作方可执行本地预处理（如数据立方体聚合），仅通过安全计算合并最终结果，以最小化通信开销。
• 该框架支持标准 SQL 操作，并通过抽象层设计，使非密码学分析人员也能轻松使用。
• 它与 CAPriCORN 网络现有的基础设施集成，包括 CHAIRb IRB 和 MRAIA 作为受信任的中介，用于治理，而非数据访问。

实验结果

研究问题

• RQ1 安全多方计算能否在真实世界的临床研究网络中实际部署，以实现不移动患者数据的基于 SQL 的分析？
• RQ2 VaultDB 的性能在多个机构中随数据量和研究持续时间的增加如何扩展？
• RQ3 sMPC 在多中心 EHR 研究中能在多大程度上减少对诚实中介和数据使用协议（DUAs）的依赖？
• RQ4 在涉及分布式数据去重和过滤的复杂临床研究工作负载中，安全计算的运行时间效率如何？
• RQ5 VaultDB 能否在保护患者隐私和符合监管要求的前提下，支持有意义的临床研究查询（如队列识别和聚合）？

主要发现

• VaultDB 在 CAPriCORN 网络的三个医疗系统中成功部署，证明了无需移动数据即可实现端到端的安全计算，适用于临床研究。
• 仅聚合分析的运行时间为 5 至 15 秒，与输入规模成比例扩展，显示出对常见研究工作负载的强实际效率。
• 多机构优化的工作流仅对 3% 的记录（即存在碎片化护理的记录）应用安全计算，通过最小化昂贵的 sMPC 操作，实现了高效性能。
• 秘密共享和不经意排序步骤的时间复杂度为 O(n log²n)，而线性聚合步骤（如合并部分计数）保持高效，每研究年仅涉及数百行数据。
• 该系统在中等规模数据集上表现出可扩展性和高效性，随着多年研究数据量的增长，运行时间逐步增加。
• VaultDB 实现了无需诚实中介或复杂 DUAs 的安全、密码学保护的 EHR 分析，显著降低了隐私和合规风险。