Tata 咨询服务公司（TCS）的医疗保健副总裁 Nitin Kumar 探讨了可穿戴设备如何为黑客提供了窃取敏感数据的机会。
TCS 的客户正在采用由人工智能和量子计算驱动的前沿技术，如可穿戴设备和远程患者监测系统。这些进步为改善患者护理、提高诊断准确性和简化医疗保健运营提供了显著的机会。
Nitin Kumar 表示：“可穿戴设备能够实现主动管理和及时干预。这些设备收集了大量敏感的个人数据，包括心率、睡眠模式、位置和血糖水平。由于这些数据是无线传输的，因此容易被拦截和操纵。”
然而，通过遵守围绕互操作性、安全性和数据隐私的全面监管框架，设备可以安全地部署和使用。
在 TCS，设备安全通过 TinyML 技术来解决，这种技术使设备更加智能。
Nitin 解释说：“通过使可穿戴设备和远程监测系统能够直接在设备上处理数据，我们减少了将敏感信息发送到外部服务器的需求。用于分析而收集的数据在设备的安全区域内进行加密和管理，只有通过严格的访问控制机制授权的实体才能访问。”
结合全同态加密和安全多方计算等先进技术，这种方法允许在云中进行安全的数据分析，确保分析的输入（患者健康数据）和输出都保持加密。
“总的来说，这种方法不仅降低了数据泄露的风险，还加快并改进了数据处理。TinyML 可以将这些设备转变为智能、自给自足的工具，提供所有必要的信息，同时确保数据安全，”他继续说道。
在另一种情况下，使用来自可穿戴设备的数据的临床决策支持系统需要大量的数据来训练模型。这些模型通常用于预测和预防护理。虽然来自设备生成的真实世界数据的利用对于获取见解至关重要，但医院系统通常可能无法共享数据。
Nitin 补充说：“在这种情况下，我们正在试验联邦学习技术，以确保数据所有者完全控制数据。由此产生的人工智能模型利用多个本地和安全的数据集，而不必将数据移动到集中位置，从而增强了敏感数据的安全方面。”
人工智能在医疗保健领域的兴起具有巨大的前景，但同时也为网络犯罪分子扩大了攻击面。
很明显，人工智能在医疗保健领域既带来了机会也带来了挑战。虽然它显著改善了医疗保健的可及性、可负担性和伦理，但它也带来了诸如数据隐私、算法偏差和人工智能驱动决策的伦理使用等相关问题。
尽管存在这些挑战，人工智能在解决这些问题方面发挥着关键作用。鉴于医疗保健部门确保隐私和安全的严格规定，TCS 相信人工智能在医疗保健领域的机会是巨大的。
Nitin 说：“在我们的客户中，我们看到人工智能的采用率不断提高，在任何人工智能倡议中，都需要大量的敏感数据，包括患者记录、医疗图像、基因组信息等。为了有效保护这些数据，我们的客户热衷于探索同态加密等创新方法。
“我们的客户越来越多地在互联设备和系统上采用人工智能驱动的解决方案，如物联网医疗设备、远程医疗平台和基于云的服务。每个连接的设备或系统都为网络犯罪分子引入了潜在的切入点。”
为了满足客户需求，TCS 正在积极研究和开发抗量子算法和加密技术，以保护敏感信息。
Nitin 总结道：“我们将帮助我们的客户利用人工智能的好处，同时将风险降至最低。对于医疗保健的人工智能系统，安全和隐私设计是关键，要在安全、隐私、延迟、可用性和准确性之间取得良好的平衡。”
