《自然》杂志最新研究警示 个人数据训练医疗AI存在差异化隐私泄露风险

国际顶级学术期刊《自然》最新发布的研究成果发出明确警示，利用个人健康数据训练医疗AI模型，存在显著的隐私泄露隐患，且风险在不同人群中呈现明显的差异化分布。研究指出，罕见病患者、少数族裔、低收入群体等在数据集中”代表性不足”的人群，面临着远高于普通人群的隐私窃取风险。实验数据显示，随着AI模型参数规模的持续扩大，黑客通过”成员推理攻击”，成功推断特定患者是否被纳入模型训练数据的概率也同步显著上升。研究团队特别强调，当前行业内通用的隐私保护手段仍存在明显短板，未来在评估AI模型隐私风险时，必须细化到个人层面，针对高风险应用场景的模型，需实施更严格的访问权限管控与全生命周期隐私保护机制，切实保障患者个人数据安全。