Resumen

En la era del big data, la secuenciación de próxima generación produce una gran cantidad de datos genómicos. Con estos datos de secuencias genéticas, la investigación en campos de la biología avanzará aún más. Sin embargo, el crecimiento de la escala de datos a menudo conduce a problemas de privacidad. Incluso si los datos no están abiertos, todavía es posible que un atacante robe información privada mediante un ataque de inferencia de miembros. En este documento, proponemos un modelo de Markov oculto de perfil privado (PHMM) con identificabilidad diferencial para el agrupamiento de secuencias genéticas. Al agregar ruido aleatorio al modelo, la probabilidad de identificar a individuos en la base de datos está limitada. Las secuencias genéticas podrían agruparse sin supervisión y sin etiquetas según los puntajes de salida del PHMM privado. La variación de la distancia de divergencia en los resultados experimentales muestra que la adición de ruido hace que el modelo de Markov oculto de perfil se distorsione hasta cierto punto, y la

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Big data; Secuenciación de nueva generación; Datos genómicos; Cuestiones de privacidad; Modelo oculto de Markov; Secuencias genéticas
• Keywords:Big data; Next-generation sequencing; Genomic data; Privacy issues; Hidden Markov model; Gene sequences