联邦学习与社会保障健康数据的隐私保护

本页为葡萄牙语原文的译文，仅供参考，内容涉及巴西法律。如有出入，以葡萄牙语版本为准。 阅读葡萄牙语原文

联邦学习为在社会保障领域处理敏感健康数据提供了一种前景可期的方案,既能完成数据分析,又不会损害被保险人的隐私。

什么是联邦学习,它为何对INSS (巴西国家社会保障局)如此重要

联邦学习(Federated Learning,又称“联合学习”)是一种人工智能技术,可以以去中心化的方式训练机器学习模型,原始数据无需离开其最初的存储地点。它不是把所有信息集中到一台中央服务器上,而是将模型发送到各个数据采集点,由模型在本地利用现有数据进行学习,然后只把更新后的参数(权重和梯度)分享给协调服务器。数据本身始终不会离开来源地。

把这一概念放到社会保障领域,其意义非同小可。要知道,巴西国家社会保障局(INSS)每年要处理数以百万计的丧失劳动能力类福利申请。每一份申请都包含极为敏感的医疗信息:司法鉴定式的医学检查报告(laudos periciais)、CID(国际疾病分类)编码、住院史、实验室检查结果以及治疗报告。这些信息一旦集中存放在单一数据库中,在发生泄露或被不当访问时,隐私遭到侵害的风险就会大大提高。

联邦学习为社会保障领域的分析与分流算法提供了一条改进路径:算法可以依据真实的健康数据不断优化,而这些数据无需转移到医院、INSS各服务机构或医学鉴定系统之外。本文将探讨这项技术如何改变社会保障法领域中行政效率与数据保护之间的关系。更多相关内容,请参阅本所撰写的文章:INSS的网络安全。

社会保障健康数据与巴西的监管框架

《通用数据保护法》(LGPD,第13.709/2018号法律)将健康数据归类为敏感个人数据,给予更高水平的保护。处理此类数据需要具体的法律依据,并采取相应更为严格的安全措施。在社会保障领域,处理健康数据的目的包括:发放丧失劳动能力类福利(暂时丧失劳动能力补助和永久丧失劳动能力退休金)、开展医学鉴定、跟踪职业康复项目以及发现欺诈行为。

可以看到,INSS作为联邦自治机构,是海量敏感数据的控制者。数字化的医疗证明、电子医学鉴定报告(由SABI系统生成)、与因病停工相关的国家社会信息登记系统(CNIS)信息,以及工作事故通报(CAT)记录,共同构成了一个规模可观的信息生态。即便有加密和访问控制的保护,这些信息集中存放于中心化数据库,也会形成单点脆弱环节。

LGPD第46条至第49条规定,处理者应当采取技术和管理方面的安全措施,保护个人数据免遭未经授权的访问,以及意外或非法的毁损、丢失、篡改或泄露。联邦学习与这一要求高度契合,因为它在训练人工智能模型时无需集中数据,从而缩小了数据暴露的范围。

除LGPD之外,《互联网民事框架法》(第12.965/2014号法律)和《医学伦理守则》也为健康数据增加了多层保护。在国际层面,欧盟的GDPR等法规已明确采纳“data protection by design and by default”(设计即保护、默认即保护)的理念,联邦学习与这一原则自然相合。

联邦学习在社会保障实践中如何运作

为了理解其实际应用,不妨设想这样一个场景:INSS希望开发一个人工智能模型,从医学鉴定报告中识别出获批丧失劳动能力类福利可能性较高的模式。按照传统的(集中式)方法,需要把不同服务机构、医院和合作诊所的数以千计的报告汇集到同一个存储库,再进行处理并训练模型。这就意味着敏感的医疗数据要经由网络传输,存放在中央服务器上,暴露风险随之大幅上升。

采用联邦学习,流程则截然不同。初始模型(尚未训练或部分训练)会被分发到每一个参与节点:INSS服务机构、承担医学鉴定的SUS (巴西统一医疗体系)医院网络医院、职业康复中心。每个节点使用自己的数据在本地训练模型。本地训练结束后,只有梯度(模型的数学更新值)被发送到中央服务器,由服务器进行聚合,得到改进后的全局模型。这一循环不断重复,直到模型达到令人满意的准确率。欢迎进一步阅读:健康数据与远程医疗。

这一过程存在一些重要的技术变体。2017年由谷歌研究人员提出的联邦平均算法(Federated Averaging,FedAvg)是使用最广泛的算法。在该算法中,每个节点在发送梯度之前会先进行多轮本地训练,从而减少所需的通信量。其他方法,例如联邦SGD(Federated SGD,即随机梯度下降),则在每处理完一批数据后就发送更新,收敛更为稳定,但通信成本更高。

安全聚合与差分隐私

联邦学习本身并不能保证绝对的保护。研究表明,在某些条件下,可以根据共享的梯度推断出原始数据的信息(梯度反演攻击)。因此,辅助性技术必不可少。安全聚合(Secure Aggregation)利用加密协议,确保中央服务器只能收到梯度的聚合结果,而无法获取各个节点的单独梯度。差分隐私(Differential Privacy)则是在发送前向梯度中加入受控的统计噪声,使原始数据在数学上几乎不可能被重构。

联邦学习使INSS能够在从不集中被保险人医疗数据的前提下改进其分析模型,让隐私从一种障碍转变为架构层面的原则。

将联邦学习与安全聚合和差分隐私相结合,我们就得到一个稳健的系统:被保险人的医疗数据永远不会离开本地环境;各个梯度在传输过程中受到加密保护;即便攻击者截获了梯度,其中加入的噪声也会阻止原始信息被重构。

具体应用与实施中的挑战

联邦学习在社会保障领域的潜在应用多样而重要。下面分析其中最具前景的几类。

智能分流申请

以联邦方式训练的模型可以协助对丧失劳动能力类福利申请进行初步分流,依据从既往报告中提取的模式,识别出获批可能性较高的案件。这并不能取代医学鉴定(医学鉴定仍然是鉴定医师的专属行为),但可以优化受理队列,优先处理病情更严重或临床上更紧迫的案件。通过联邦训练,医院和医疗机构可以贡献其临床数据来改进模型,而无需披露患者的个人信息。

发现不一致与欺诈

另一个应用领域是发现可能指向社会保障欺诈的异常模式。利用多个来源(INSS服务机构、联邦税务局、雇主、医疗保险运营商)的数据以联邦方式训练的模型,可以识别出例如所提交的医疗报告与被保险人工作活动记录之间的不一致,而无需把这些数据库直接交叉比对于同一环境中。另请参阅本所关于健康可穿戴设备数据的内容。

个性化职业康复

职业康复项目可以借助预测模型获益,这类模型根据被保险人的临床和职业特征,估算不同治疗方式取得成功的概率。联邦训练可以纳入遍布全国的康复中心的数据,同时尊重患者隐私以及各中心的机构自主权。

技术与制度层面的挑战

在INSS实施联邦学习并非易事。可以看到,主要挑战包括:各参与机构(SUS医院、INSS服务机构、合作诊所)所用信息系统的异构性,它们的数据格式和技术基础设施各不相同;每个参与节点需要具备最低限度的计算能力才能执行本地训练;流程的治理问题(由谁确定模型参数,由谁审计结果,如何保证模型对不同人群的公平性);以及需要有专门的规范来授权并规范公权力机关使用这些技术。

数据的统计异质性也是一项挑战。圣保罗的INSS服务机构所拥有的健康数据,与亚马孙内陆地区某服务机构的数据相比,无论在数量上还是在常见疾病的分布上,质量都有所不同。这种异质性(技术上称为“non-IID data”,即非独立同分布数据)可能妨碍联邦模型的收敛,并需要针对性的算法调整。

监管前景与社会保障隐私的未来

巴西的监管环境正朝着加强健康数据保护的方向发展,而联邦学习正是契合这一趋势的工具。国家数据保护局(ANPD)已发布多份指导性文件,强调技术性保护措施的重要性;采用联邦学习等技术,可被视为对必要性原则(LGPD第6条第III项)的具体落实,该原则要求将数据处理限制在实现其目的所必需的最低限度。

在国际层面,我们看到欧洲的MELLODDY项目(Machine Learning Ledger Orchestration for Drug Discovery)等倡议,已经在使用联邦学习,利用多家企业的敏感数据开展药物研究。在医疗领域,美国和欧盟的医院联盟也运用这项技术训练影像诊断模型,而无需共享患者的检查资料。这些经验为在巴西社会保障领域的实施提供了宝贵的先例。

我们认为,这一领域的自然演进将包括为公权力机关使用联邦人工智能制定专门的监管框架。算法透明、模型可审计以及不歧视的保障,将是其中的基本支柱。在社会保障领域,这意味着,任何用于协助发放或驳回福利的人工智能模型,无论采用何种训练技术,都应当可解释、可审计且公正。

联邦学习并非万能灵药,但它在兼顾行政效率与保护基本权利方面是一项重大进步。对于每天都要处理数百万巴西人医疗信息的社会保障法而言,采用这项技术可能意味着一种新的范式:创新并不一定要以牺牲隐私为代价。

As informações deste artigo são de caráter informativo e não substituem consulta jurídica individualizada. Cada caso possui particularidades que exigem análise específica.