[论文解读] Countering Gattaca: Efficient and Secure Testing of Fully-Sequenced Human Genomes

Pierre Baldi, Roberta Baronio+3 more|arXiv (Cornell University)|Oct 11, 2011

Reproductive Health and Technologies被引用 17

一句话总结

本文提出了一套安全且高效的计算方法，用于在全基因组测序数据上使用私有集合操作，执行三项关键的基因组检测——亲子鉴定、个性化医疗和遗传相容性筛查。该方法可在计算环境中实现这些检测，同时提供强有力的隐私保障，并通过实验评估证明了其实际可行性。

ABSTRACT

Recent advances in DNA sequencing technologies have put ubiquitous availability of fully sequenced human genomes within reach. It is no longer hard to imagine the day when everyone will have the means to obtain and store one's own DNA sequence. Widespread and affordable availability of fully sequenced genomes immediately opens up important opportunities ina number of health-related fields. In particular, common genomic applications and tests performed in vitro today will soon be conducted computationally, using digitized genomes. New applications will be developed as genome-enabled medicine becomes increasingly preventive and personalized. However, this progress also prompts significant privacy challenges associated with potential loss, theft, or misuse of genomic data. In this paper, we begin to address genomic privacy by focusing on three important applications: Paternity Tests, Personalized Medicine, and Genetic Compatibility Tests. After carefully analyzing these applications and their privacy requirements, we propose a set of efficient techniques based on private set operations. This allows us to implement in in silico some operations that are currently performed via in vitro methods, in a secure fashion. Experimental results demonstrate that proposed techniques are both feasible and practical today. © 2011 ACM.

研究动机与目标

• 解决全基因组测序数据广泛获取所引发的日益增长的隐私担忧。
• 实现当前通过体外方法进行的关键基因组检测的安全、私密计算。
• 开发高效的密码学技术，以在敏感分析过程中保护基因组数据隐私。
• 通过现代计算方法证明安全基因组检测的实际可行性。
• 在不损害个体遗传隐私的前提下，支持向预防性、个性化医疗的转型。

提出的方法

• 作者设计了一套基于私有集合操作的安全协议，以在不暴露底层数据的情况下计算基因组比较。
• 他们利用不经意传输和安全两方计算等密码学原原子，确保基因组分析过程中的隐私安全。
• 这些协议针对三种具体应用进行了定制：亲子鉴定、个性化医疗筛查和遗传相容性评估。
• 每个协议确保仅最终结果被披露，而所有中间基因组数据均保持机密。
• 该方法实现了传统上在实验室中进行的检测的计算环境执行，降低了隐私风险。
• 实验评估证实了所提技术在真实基因组数据上的计算效率和实际可行性。

实验结果

研究问题

• RQ1 在计算环境中执行常见的体外基因组检测时，如何保护基因组隐私？
• RQ2 哪些密码学技术能够实现在全基因组测序人类基因组上的安全且高效计算？
• RQ3 私有集合操作能否有效应用于亲子鉴定和相容性测试等真实基因组应用？
• RQ4 在当前技术条件下，这些安全协议在多大程度上可以高效实现？
• RQ5 与传统的体外检测相比，所提出的方法在隐私保护和性能方面有何差异？

主要发现

• 所提出的协议可在不暴露原始基因组数据的情况下，安全地执行计算环境中的亲子鉴定、个性化医疗筛查和遗传相容性测试。
• 使用私有集合操作可确保任一方均不会获得除最终结果外的任何额外信息，从而保护基因组隐私。
• 实验结果证实，所提技术在计算上是可行的，并适用于实际部署。
• 该方法在保持可接受的基因组分析性能水平的同时，提供了强有力的隐私保障。
• 该方法通过支持对敏感基因组数据的安全计算，推动了向个性化、预防性医疗的转型。
• 本研究证明，隐私保护的基因组检测不仅在理论上成立，而且在今天已具备实际可行性。