Adaptives Sicherheitsmodell für Gesundheitsdaten mit biomedizinischem NLP

Die Sicherheit und der Schutz der Privatsphäre von Patientendaten ist angesichts der Bedeutung der Qualität der Patienteninformationen in EMR zu einem kritischen Anliegen geworden. Unbefugter Zugriff und unethische Datenmanipulationen könnten zu einer medizinischen und wirtschaftlichen Katastrophe großen Ausmaßes führen. Viele Forscher haben sich in den letzten zehn Jahren mit der Sicherheit von Big Data beschäftigt und zahlreiche Sicherheitsmodelle entwickelt, um Daten vor böswilligen Angriffen und Datenlecks zu schützen. Aufgrund der Zufälligkeit und Dynamik von Big Data ist jedoch eine adaptive und dynamische Sicherheitsarchitektur erforderlich, um mit der Unsicherheit der Dateneigenschaften umzugehen. Adaptive Sicherheit ist eine Lösung für diese Herausforderung, die eine Sicherheitsstrategie bietet, die auf der kontinuierlichen Untersuchung von Verhalten und Ereignissen basiert und sich effektiv an Gefahren anpasst, bevor diese eintreten. Der Einsatz von Methoden des maschinellen Lernens, um ein anpassungsfähiges und dynamisches Sicherheitsmodell für das Gesundheitswesen vorzuschlagen, stellt einen großen Mehrwert für das bestehende Sicherheitssystem dar.