| Popis: |
Treball Final de Grau en Matemàtica Computacional. Codi: MT1030. Curs: 2020/2021 Durante la estancia en pr´acticas se ha desarrollado una red neuronal de procesamiento de radiograf´ıas de t´orax bajo el proyecto de investigaci´on RADIANT (RADiolog´ıa Inteligente de precisi´on en procesos Asistenciales urgeNTes) de la unidad de investigaci´on HPCA del departamento de ingenieria y ciencia de los computadores de la UJI. A partir del desarrollo de esta red neuronal y el problema de confidencialidad que pueden sufrir los pacientes cuando las radiograf´ıas son enviadas a un servidor de an´alisis especializado externo, el trabajo de final de grado plantea la posibilidad de usar un tipo de criptograf´ıa que podr´ıa resolver este problema. La criptograf´ıa homom´orfica permite analizar radiograf´ıas cifradas a trav´es de una red neuronal, de manera que incluso los resultados del an´alisis se encuentran cifrados, garantizando la confidencialidad total de los pacientes durante el proceso. Este trabajo de final de grado concluir´a la viabilidad actual de usar este tipo de criptograf´ıa, pues tambi´en tiene un gran n´umero de desventajas. Para ello se realizar´a una recopilaci´on del estado actual de la criptograf´ıa homom´orfica. Partiendo de las definiciones y algoritmos b´asicos se definir´an los distintos tipos de criptograf´ıa homom´orfica, desde la m´as simple como PHE (Partially Homomorphic Encryption), hasta la m´as avanzada como FHE (Fully Homomorphic Encryption) A neural network for processing chest radiographs has been developed during the internship, under the RADIANT (Intelligent Precision RADiology in Urgent Care processes) research project of the HPCA research unit of the department of engineering and computer science of the UJI. Based on the development of this neural network and the confidentiality problem that patients may suffer when the X-rays are sent to an external specialized analysis server, this final degree project raises the possibility of using a type of cryptography that could solve this problem. Homomorphic cryptography enables the analysis of encrypted radiographs through a neural network, where even the results of the analysis are encrypted, guaranteeing total confidentiality of patients during the process. This final degree project will conclude the current feasibility of using this type of cryptography, as it also has a large number of disadvantages. To do so, a survey of the current state of homomorphic cryptography will be made. Starting from the basic definitions and algorithms, the different types of homomorphic cryptography will be defined, starting from the simple PHE ( Partially Homomorphic Encryption), to the more advanced FHE (Fully Homomorphic Encryption). |
