[论文解读] 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 13

一句话总结

Genie 是一个去中心化、安全的 AI 平台，利用 Intel SGX 实现基于硬件的加密，通过区块链实现不可篡改的所有权追踪，并采用开源 R 基虚拟机实现可验证计算，从而实现对遗传和健康数据模型的隐私保护型训练。该平台可在不暴露原始数据的情况下进行 AI 模型训练，确保数据所有权透明，并支持数据贡献者与模型训练者之间的收益共享。

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.

研究动机与目标

• 解决在 AI 模型训练和共享过程中保护敏感遗传和健康数据的关键挑战。
• 在不暴露原始信息的情况下，实现对生物医学数据的安全、隐私保护型访问。
• 利用区块链技术建立数据和 AI 模型的透明、不可篡改的所有权与收益追踪机制。
• 通过可验证、安全的市场平台，支持研究人员、制药公司和个人之间的去中心化、开放协作。
• 构建激励循环，使数据贡献者和模型训练者能够根据使用情况和价值创造获得公平补偿。

提出的方法

• 利用 Intel 软件保护扩展（SGX）创建隔离的、硬件保护的飞地，对加密的遗传和健康数据进行处理，而无需解密。
• 采用运行 R 字节码的虚拟机环境，支持多样化的 AI 模型，同时通过源代码审计确保代码透明性与安全性。
• 结合同态加密原理与 SGX，实现对加密数据的计算，最大限度降低数据暴露风险。
• 使用区块链记录并追踪模型使用情况、数据访问记录及收益分配，确保所有权的不可篡改与透明。
• 实现具有加密外部存储的虚拟内存系统，将飞地内存扩展至超出硬件限制，保障静态数据安全。
• 通过在多个飞地之间分发任务，支持横向扩展并行处理，显著提升大规模生物医学数据分析的性能。

实验结果

研究问题

• RQ1 如何在不向不可信方暴露原始数据的情况下，对敏感遗传和健康数据进行 AI 模型训练？
• RQ2 哪些机制可确保数据贡献者在数据共享后仍保有所有权和控制权？
• RQ3 如何在分布式参与者之间实现对模型使用情况与价值生成的透明且不可篡改的追踪？
• RQ4 能否通过硬件隔离、加密与区块链技术的结合，构建一个安全、可验证且可扩展的生物医学 AI 平台？
• RQ5 如何设计激励机制，以在去中心化的健康数据生态系统中鼓励长期的数据贡献与模型开发？

主要发现

• Genie 利用 Intel SGX 对加密的遗传和健康数据进行安全的 AI 模型训练，确保计算过程中原始数据始终不被暴露。
• 该平台利用区块链创建了数据访问、模型使用及收益分配的不可篡改审计日志，显著增强了透明度与信任度。
• 所有模型训练代码均为开源且可审计，而查询输出则被加密，仅授权用户可解密，防止数据外泄。
• 虚拟机设计允许在 SGX 飞地中执行多样化的 R 基 AI 模型，支持生物医学分析与机器学习任务。
• 该系统支持跨多个飞地的横向扩展并行处理，显著提升了大规模数据工作负载的性能。
• 模型预测产生的收益会自动分配给数据所有者与模型训练者，形成可持续的数据共享激励循环。