در میان همه‌گیری کووید-19، راه‌حل‌های فنی (مانند برنامه‌های گوشی‌های هوشمند، پلت‌فرم‌های مبتنی بر وب، پلت‌فرم‌های نظارت دیجیتال و غیره) نقش حیاتی در محدود کردن گسترش COVID-19 ایفا کرده‌اند. جنبه‌های عمده‌ای که راه‌حل‌های فنی به عموم مردم (یا مقامات بهداشتی) کمک کرده است عبارتند از ردیابی تماس، پیش‌بینی گسترش، پیش‌بینی روند، تخمین خطر عفونت، شناسایی نقاط داغ، هشدار به مردم برای دوری از مکان‌های آلوده، تخمین طول بستری، تجزیه و تحلیل شدت بالینی. ، و نظارت بر قرنطینه، به نام چند. جدای از خدمات دیگر، ردیابی تماس به طور گسترده با کمک برنامه‌های تلفن هوشمند مجهز به بلوتوث و GPS در زمانی که واکسن‌ها در دسترس نبودند، انجام شده است. در این مقاله، ما پلتفرم ردیابی تماس را که توسط Google–Apple برای محدود کردن گسترش COVID-19 ایجاد شده است، از نظر فنی تجزیه و تحلیل می‌کنیم. ما ویژگی‌های فنی ناشناخته را پیشنهاد می‌کنیم که می‌توانند پلتفرم را از نظر حفظ حریم خصوصی، سناریوهای خدمات و از نظر استحکام بیشتر تقویت کنند. در نهایت، برخی از خدمات مبتنی بر هوش مصنوعی و تضمین حریم خصوصی که می‌توانند با پلتفرم برای کنترل همه‌گیری به اندازه کافی ادغام شوند، پیشنهاد شده‌اند. تجزیه و تحلیل فنی نشان می دهد که اگرچه پلت فرم گوگل-اپل به خوبی مهندسی شده است، اما عاری از آسیب پذیری ها، ضعف ها و پیکربندی های نادرست نیست که ممکن است منجر به پذیرش ضعیف آن در سناریوهای واقعی شود. این کار می‌تواند به‌عنوان راهنمایی برای افزایش بیشتر کاربردی بودن پلتفرم ردیابی تماس برای کنترل مؤثر بیماری‌های عفونی آینده باشد. ما ویژگی‌های فنی ناشناخته را پیشنهاد می‌کنیم که می‌توانند پلتفرم را از نظر حفظ حریم خصوصی، سناریوهای خدمات و از نظر استحکام بیشتر تقویت کنند. در نهایت، برخی از خدمات مبتنی بر هوش مصنوعی و تضمین حریم خصوصی که می‌توانند با پلتفرم برای کنترل همه‌گیری به اندازه کافی ادغام شوند، پیشنهاد شده‌اند. تجزیه و تحلیل فنی نشان می دهد که اگرچه پلت فرم گوگل-اپل به خوبی مهندسی شده است، اما عاری از آسیب پذیری ها، ضعف ها و پیکربندی های نادرست نیست که ممکن است منجر به پذیرش ضعیف آن در سناریوهای واقعی شود. این کار می‌تواند به‌عنوان راهنمایی برای افزایش بیشتر کاربردی بودن پلت‌فرم ردیابی تماس برای کنترل مؤثر بیماری‌های عفونی آینده باشد. ما ویژگی‌های فنی ناشناخته را پیشنهاد می‌کنیم که می‌توانند پلتفرم را از نظر حفظ حریم خصوصی، سناریوهای خدمات و از نظر استحکام بیشتر تقویت کنند. در نهایت، برخی از خدمات مبتنی بر هوش مصنوعی و تضمین حریم خصوصی که می‌توانند با پلتفرم برای کنترل همه‌گیری به اندازه کافی ادغام شوند، پیشنهاد شده‌اند. تجزیه و تحلیل فنی نشان می دهد که اگرچه پلت فرم گوگل-اپل به خوبی مهندسی شده است، اما عاری از آسیب پذیری ها، ضعف ها و پیکربندی های نادرست نیست که ممکن است منجر به پذیرش ضعیف آن در سناریوهای واقعی شود. این کار می‌تواند به‌عنوان راهنمایی برای افزایش بیشتر کاربردی بودن پلتفرم ردیابی تماس برای کنترل مؤثر بیماری‌های عفونی آینده باشد. و نقطه نظر استحکام در نهایت، برخی از خدمات مبتنی بر هوش مصنوعی و تضمین حریم خصوصی که می‌توانند با پلتفرم برای کنترل همه‌گیری به اندازه کافی ادغام شوند، پیشنهاد شده‌اند. تجزیه و تحلیل فنی نشان می دهد که اگرچه پلت فرم گوگل-اپل به خوبی مهندسی شده است، اما عاری از آسیب پذیری ها، ضعف ها و پیکربندی های نادرست نیست که ممکن است منجر به پذیرش ضعیف آن در سناریوهای واقعی شود. این کار می‌تواند به‌عنوان راهنمایی برای افزایش بیشتر کاربردی بودن پلتفرم ردیابی تماس برای کنترل مؤثر بیماری‌های عفونی آینده باشد. و نقطه نظر استحکام در نهایت، برخی از خدمات مبتنی بر هوش مصنوعی و تضمین حریم خصوصی که می‌توانند با پلتفرم برای کنترل همه‌گیری به اندازه کافی ادغام شوند، پیشنهاد شده‌اند. تجزیه و تحلیل فنی نشان می دهد که اگرچه پلت فرم گوگل-اپل به خوبی مهندسی شده است، اما عاری از آسیب پذیری ها، ضعف ها و پیکربندی های نادرست نیست که ممکن است منجر به پذیرش ضعیف آن در سناریوهای واقعی شود. این کار می‌تواند به‌عنوان راهنمایی برای افزایش بیشتر کاربردی بودن پلتفرم ردیابی تماس برای کنترل مؤثر بیماری‌های عفونی آینده باشد. و پیکربندی های نادرست که ممکن است منجر به پذیرش ضعیف آن در سناریوهای زندگی واقعی شود. این کار می‌تواند به‌عنوان راهنمایی برای افزایش بیشتر کاربردی بودن پلتفرم ردیابی تماس برای کنترل مؤثر بیماری‌های عفونی آینده باشد. و پیکربندی های نادرست که ممکن است منجر به پذیرش ضعیف آن در سناریوهای زندگی واقعی شود. این کار می‌تواند به‌عنوان راهنمایی برای افزایش بیشتر کاربردی بودن پلت‌فرم ردیابی تماس برای کنترل مؤثر بیماری‌های عفونی آینده باشد.

کلید واژه ها:

همه گیری COVID-19 ؛ ردیابی تماس ; پیش بینی گسترش ; تخمین خطر عفونت ; برنامه های هوشمند مبتنی بر GPS و بلوتوث ؛ پلت فرم های نظارت دیجیتال ; حفظ حریم خصوصی

1. مقدمه

همه‌گیری بیماری کروناویروس 2019 (COVID-19) یکی از سخت‌ترین چالش‌هایی است که بشریت از نظر بیماری‌های عفونی با آن روبرو بوده است. در این مدت (از ژانویه 2020 تا کنون)، اکثر مردم در خانه مانده اند و فعالیت های تفریحی مانند گردهمایی های بزرگ، مسافرت به خارج از کشور، کنسرت ها و غیره لغو/به تعویق افتاده است [ 1 ]. در روزهای اولیه همه‌گیری، بیشتر کشورها راه‌حل‌های دیجیتالی را برای مبارزه با همه‌گیری توسعه دادند [ 2 ]. بیشتر پیشرفت‌های فنی برای ردیابی تماس‌های افراد آلوده در اسرع وقت برای مهار گسترش ویروس انجام شد [ 3 ]. با این حال، در اکثر کشورها، فناوری ردیابی تماس به دلیل نگرانی‌های مربوط به حریم خصوصی مورد استقبال عموم مردم قرار نگرفت ( جدول 1 را ببینید).برای جزئیات بیشتر) [ 4 ].
پس از آن، تلاش‌های زیادی برای ذخیره داده‌ها به صورت محلی یا جمع‌آوری کمترین داده‌ها انجام شد. جدای از ردیابی تماس، سایر فناوری های جدید به ویژه تکنیک های مبتنی بر هوش مصنوعی در بسیاری از جنبه ها نقش حیاتی ایفا کرده اند [ 5 ].
همانطور که در جدول 1 نشان داده شده است ، استفاده از اکثر برنامه های ردیابی تماس به دلیل جمع آوری داده های دقیق که می تواند ردیابی حرکات افراد را فعال کند، زیاد نبود. به دلیل مسائل مربوط به حریم خصوصی، اکثر کشورها نتوانستند به اهداف خود یعنی 60 درصد از شهروندانی که برنامه‌های ردیابی تماس را نصب و استفاده می‌کنند، دست یابند [ 6 ]. جدا از برنامه‌ها، پلتفرم‌های جامعی نیز در بسیاری از کشورها در سراسر جهان برای کاهش اثرات COVID-19 توسعه یافته است [ 7 ]. به عنوان مثال، کره جنوبی یک سیستم پشتیبانی تحقیقاتی یکپارچه اپیدمی (EISS) را برای افشای اطلاعات افرادی که به این ویروس مبتلا شده اند توسعه داد [ 8 ]]. در این پلتفرم، داده‌ها از چندین ذینفع به‌دست می‌آیند و برای ردیابی تماس‌های افراد آلوده استفاده می‌شوند ( برای جزئیات بیشتر به شکل 1 مراجعه کنید).
زمانی که اکثر برنامه‌های ردیابی تماس به دلیل نگرانی‌های مربوط به حریم خصوصی با انتقاد مواجه شدند، سپس گزینه‌های زیادی مانند قوانین حفاظت از داده، استفاده از داده‌های مبتنی بر رضایت، تجزیه‌وتحلیل‌های آگاه از حریم خصوصی و اشتراک‌گذاری امن داده‌ها توسط توسعه‌دهندگان نرم‌افزار معرفی شدند تا نگرانی‌های مربوط به حریم خصوصی را کاهش دهند. با این حال، این راه‌حل‌ها نتوانستند به اهداف مورد نظر نصب دست یابند، زیرا یا اطلاعات صریح مرتبط با هویت جمع‌آوری شد، یا بیشتر داده‌ها به روش جعبه سیاه پردازش می‌شوند. از این رو، یک سیستم جدید آگاه از حریم خصوصی برای کاهش نگرانی های حفظ حریم خصوصی و در عین حال مهار گسترش COVID-19 اجتناب ناپذیر بود. برای کمک به مقامات بهداشتی و دولت‌ها در سراسر جهان، گوگل و اپل تصمیم گرفتند یک پلت فرم ردیابی تماس با حفظ حریم خصوصی (PPCT) ایجاد کنند. این پلتفرم از فناوری بلوتوث برای مبادله شناسه‌های تصادفی زمانی که افراد با یکدیگر تماس نزدیک داشتند، استفاده می‌کند. اگرچه پلتفرم PPCT نسبت به برنامه های ردیابی تماس مستقل برتری دارد، اما دارای کاستی های فنی مختلفی است.
از زمان شروع همه‌گیری، بحثی در مورد استفاده از برنامه‌های ردیابی مخاطب مبتنی بر بلوتوث و/یا مبتنی بر GPS از دو زاویه مختلف وجود داشته است: (1) آیا چنین برنامه‌های ردیابی تماس برای ردیابی تماس دیجیتال خوب هستند و به مهار گسترش همه‌گیری، یا (ii) این ابزارهای دیجیتال ممکن است به نابرابری‌های غیرقابل تحمل و خزش عملکرد/نظارت منجر شود؟ از آنجایی که PPCT تا کنون تنها فناوری در سطح سیستم عامل است، ارائه تجزیه و تحلیل فنی آن از منظرهای متعدد برای ارتقای بیشتر سطح فنی این فناوری حیاتی است. اگرچه بسیاری از PPCT توسعه یافته اند، مانند EISS در کره جنوبی، Trace Together در سنگاپور، و COVID Safe در استرالیا (جزئیات بیشتر را می توان از [ 10 ] آموخت.]). با این حال، در آن پلتفرم‌ها، یا از داده‌های ریز دانه (یعنی داده‌های کارت اعتباری، سیگنال‌های تلفن همراه و داده‌های دوربین مدار بسته) برای ردیابی مخاطبین افراد آلوده استفاده شد، یا از داده‌های مکان صریح (GPS، کدهای QR) استفاده شد. مخاطبین در معرض دید را پیدا کنید. به دلیل جمع‌آوری و پردازش دقیق داده‌ها، این برنامه‌ها با موانع جدی پذیرش توسط عموم مردم مواجه هستند ( https://www.brookings.edu/techstream/contact-tracing-apps-face-serious-adoption-obstacles/) (دسترسی در 5 اوت 2022). در مقابل، PPCT توسعه یافته توسط اپل و گوگل از هیچ داده مرتبط با هویت/موقعیت صریح استفاده نمی کند و بیش از هر ابزار دیگری از این دست به حفظ حریم خصوصی توجه دارد. بنابراین، ما دانش گسترده‌ای در مورد این ابزار ارائه می‌دهیم تا بتواند به یک فناوری مفید برای جامعه برای مبارزه با بیماری‌های عفونی آینده به روش حفظ حریم خصوصی تبدیل شود. تجزیه و تحلیل و توضیحات فنی ما می تواند راه را برای بهبود بسیاری از جنبه های فنی (پیچیدگی محاسباتی، مقیاس پذیری، مصرف ذخیره سازی، استحکام، مسائل مربوط به حریم خصوصی و غیره) این پلت فرم هموار کند. علاوه بر این، PPCT این پتانسیل را دارد که به زودی به یک فناوری تجاری تبدیل شود، به همین دلیل است که تجزیه و تحلیل فنی آن برای شناسایی آسیب‌پذیری‌ها / گلوگاه‌های عملکرد بسیار مهم است.
در این مقاله، سهم ما پنج برابر است:
  • ما تجزیه و تحلیل فنی پلتفرم PPCT را که توسط Google و Apple برای کاهش شیوع COVID-19 ایجاد شده است ارائه می دهیم.
  • ما عملکردهای مختلف فنی ناشناخته را برای افزایش متقاعدسازی و عملکرد پلت فرم PPCT برای مبارزه با بیماری‌های عفونی آینده به روش حفظ حریم خصوصی پیشنهاد می‌کنیم.
  • ما خدمات عملی را پیشنهاد می‌کنیم که می‌تواند مکمل ارزشمندی برای پلتفرم PPCT باشد تا به طور مؤثر به بشر خدمت کند و پیامدهای همه‌گیری/اپیدمی‌ها را کاهش دهد.
  • مطالب محصور شده در این چشم انداز می تواند به ارتقای سطح خدمات این پلت فرم در چهار بعد کمک کند: (1) افزایش سناریو (های) خدمات فراتر از ردیابی تماس. (ب) کاهش پیچیدگی‌های محاسباتی، مقیاس‌پذیری و سایر گلوگاه‌های عملکرد. (iii) حل مشکلات تکه تکه شدن داده ها و سیلوها. و (IV) بهبود عملکرد این پلت فرم در دستگاه‌های محدود به منابع با جلوگیری از خزش عملکرد (یا نظارت).
  • با توجه به دانش نویسنده، این اولین اثری است که به طور سیستماتیک عملکرد پلت فرم PPCT را برجسته می کند، کاستی های نامرئی پلت فرم PPCT را مشخص می کند، و خدمات اضافی مبتنی بر هوش مصنوعی را پیشنهاد می کند که می تواند افزوده ارزشمندی به این پلتفرم باشد. پتانسیل تبدیل شدن به یک فناوری تجاری در سال های آینده
ساختار باقی مانده این مقاله به شرح زیر است. بخش 2 یک تجزیه و تحلیل فنی از پلت فرم ردیابی تماس ساخته شده توسط گوگل و اپل را ارائه می دهد. بخش 3 عملکردهای اضافی ناشناخته در پلت فرم ردیابی تماس Apple-Google را مورد بحث قرار می دهد. بخش 4 تجزیه و تحلیلی از سرویس‌های مبتنی بر هوش مصنوعی و حفظ حریم خصوصی ارائه می‌کند که می‌تواند مکمل ارزشمندی برای پلتفرم ردیابی تماس گوگل و اپل باشد. بخش 6 این مقاله را به پایان می رساند.

2. تجزیه و تحلیل پلت فرم ردیابی تماس با حفظ حریم خصوصی ساخته شده توسط گوگل و اپل

گوگل و اپل یک پلتفرم ردیابی تماس با حفظ حریم خصوصی به نام «سیستم اعلان مواجهه» ( https://covid19.apple.com/contacttracing ) (در 9 اوت 2022 در دسترس قرار گرفت) (ENS) توسعه دادند تا از گسترش COVID-19 از طریق اشتراک‌گذاری جلوگیری کند. احساس مسئولیت. این اولین ENS با کمک سیستم عامل است که تضمین های حریم خصوصی قوی دارد [ 11]. ENS با جمع‌آوری داده‌های مربوط به مکان/هویت از حریم خصوصی کاربران محافظت می‌کند، بیشتر پردازش‌ها به صورت محلی و بدون سرور مرکزی انجام می‌شود و فقط مقامات بهداشتی قانونی تحت قوانین سختگیرانه از سیستم استفاده می‌کنند. با توجه به این ویژگی ها، ENS بسیار امن و حفظ حریم خصوصی است. علاوه بر این، افراد را قادر می سازد تصمیم بگیرند که آیا از ENS استفاده کنند یا نه. ENS دارای هفت ماژول اصلی است که به طور مشترک برای انجام وظیفه ردیابی تماس بدون فاش کردن داده های حساس کار می کنند: (1) راه اندازی برنامه در دستگاه های محلی، (2) کلیدهای محاسباتی در دستگاه های محلی با استفاده از مفاهیم رمزنگاری زیبا، (iii) ) تبادل کلیدها با دستگاه های مجاور به صورت یکپارچه، (iv) بارگذاری کلیدها در سرور در صورت آلودگی با رضایت مناسب، (v) ارسال اعلان مواجهه برای افراد بالقوه در معرض در یک محل خاص، (vi) دانلود کلیدها و تطبیق احتمال تماس با یک فرد آلوده، و (vii) درخواست کمک پزشکی از بیمارستان های مجاور. در بخش‌های فرعی بعدی، جزئیات مختصری در مورد هر ماژول اصلی ارائه می‌کنیم.

2.1. راه اندازی برنامه در دستگاه های محلی

در مرحله اول، برنامه از فروشگاه اپلیکیشن گوگل/اپل دانلود می شود. پس از آن، مجوزهای مورد نیاز (به عنوان مثال، انتخاب کردن) از دستگاه های محلی اعطا می شود. یک نمای کلی از راه اندازی یک برنامه ردیابی مخاطب توسط کاربر A در شکل 2 نشان داده شده است . پس از دانلود برنامه، کاربران باید اعلان مواجهه (EN) را در یک دستگاه محلی از طریق گزینه opt-in فعال کنند. در طول فرآیند نصب، برای هر دستگاه یک کلید تولید می شود که برای اهداف ردیابی استفاده می شود. برای حفظ حریم خصوصی و به حداقل رساندن شانس ردیابی، کلید مرتباً تغییر می کند. در طول نصب برنامه، هیچ اطلاعات قابل شناسایی مستقیمی از کاربران جمع آوری نمی شود و در نتیجه احتمال نقض حریم خصوصی محدود می شود.

2.2. کلیدهای محاسباتی در دستگاه های محلی با استفاده از مفاهیم رمزنگاری زیبا

در این بخش، مکانیسم تولید کلید با استفاده از مفاهیم رمزنگاری را شرح می دهیم. در ENS، سه نوع کلید اصلی وجود دارد، کلید ردیابی ( t kتیککلید ردیابی روزانه ( دt kدتیکو شناسه مجاورت رولینگ ( r p i�پمن). t kتیکبرای استخراج کلیدهای دیگر و کمک به حفظ حریم خصوصی کاربران استفاده می شود. یک نمای کلی مفهومی از نحوه تولید کلیدها در شکل 3 نشان داده شده است . رسمیت تمام کلیدها در معادلات ( 1 )–( 3 ) آورده شده است.

t k = h a s h ( u )تیک=ساعتآسساعت(تو)

جایی که شما می توانید هر حرف انگلیسی باشید. اندازه ی t kتیکپس از اعمال هش روی آن 32 بایت است.

دt k = h a s h ( u + d)دتیک=ساعتآسساعت(تو+د)

جایی که d هر تاریخ/روز ماه است. به عنوان مثال، اگر تاریخ 30 است، پس د= 30د=30. اندازه ی دt kدتیکپس از اعمال هش یک طرفه به آن، 16 بایت است.

r p i = h a s h ( u + d+wمن)�پمن=ساعتآسساعت(تو+د+�من)

جایی که wمن�منبسته به زمان روز، پنجره زمانی مربوطه است. به عنوان مثال، اگر ساعت 10:00 صبح است w60�60= 10:00 صبح اندازه ی r p i�پمندر مقایسه با دو مورد قبلی نسبتا طولانی تر است.

از آنجایی که حفظ حریم خصوصی در طراحی ENS گنجانده شده است و تنها کلیدهایی که به صورت تصادفی تولید می شوند (به عنوان مثال، t kتیک، دt kدتیک، و r p i�پمن) با دستگاه های دیگر مبادله می شوند. بنابراین، ENS در مقایسه با برنامه‌های ردیابی تماس متمرکز سنتی، حریم خصوصی بیشتری را فراهم می‌کند. ENS می تواند پذیرش بالاتری داشته باشد زیرا هیچ اطلاعات مرتبط با هویت را جمع آوری نمی کند و بیشتر پردازش ها بر روی دستگاه های محلی انجام می شود.

2.3. مبادله کلیدها با دستگاه های نزدیک به روشی بدون درز

در این بخش، روش تعویض کلید را توضیح می دهیم که از طریق آن کلیدها با دستگاه های مجاور مبادله می شوند. از آنجایی که بلوتوث در فاصله 30 متری کار می کند، بنابراین، کلیدها را فقط با دستگاه های نزدیک می توان رد و بدل کرد. شکل 4 روند مبادله کلیدها با دستگاه های مجاور را به صورت یکپارچه نشان می دهد.
در این مثال، سه دوست قصد داشتند در ساعت 10 صبح با هم در کافی شاپ قهوه بخورند. در طول این ملاقات، تلفن های همراه آنها کلیدهای تصادفی را با یکدیگر رد و بدل کردند که در صورت مثبت شدن آزمایش کووید-19 یکی از آنها می تواند برای جلوگیری از انتشار ویروس مفید باشد. همانطور که در شکل 4 نشان داده شده است ، داده ها در دستگاه های محلی ذخیره می شوند، و بنابراین، خطر سوء استفاده از داده های شخصی حداقل است. علاوه بر این، کاربران ENS در نگهداری کلیدها مشکل کمتری دارند زیرا همه کلیدها در تماس نزدیک به طور یکپارچه رد و بدل می شوند.

2.4. بارگذاری کلیدها در سرور در صورت آلودگی با رضایت مناسب

هنگامی که آزمایش فردی برای COVID-19 مثبت می شود، کلیدهای وی با رضایت مناسب در سرور آپلود می شود. هدف اصلی از آپلود این کلیدها در سرور یافتن افراد در معرض دید در سریعترین زمان ممکن است. در مثال قبلی (به عنوان مثال، سه دوست با هم قهوه خوردند)، و آزمایش یک دوست برای COVID-19 صبح روز بعد مثبت شد، سپس کلیدهای او با مقامات بهداشتی قانونی به اشتراک گذاشته شد ( برای جزئیات به شکل 5 مراجعه کنید). از آنجایی که سرورها در محلی قرار دارند و بنابراین ردیابی تماس فقط برای منطقه مورد نظر قابل انجام است.

2.5. ارسال اعلان قرار گرفتن در معرض به افراد بالقوه در معرض قرار گرفته در یک منطقه خاص

در مثال قبل، سه نفر جمع شدند. از آنجایی که تست کووید-19 یکی از دوستان مثبت بوده است، دو دوست دیگر نیز به آزمایش کووید-19 نیاز دارند. با این حال، آنها از مثبت بودن تست COVID-19 دوستشان اطلاعی ندارند. مقامات بهداشتی بر اساس اطلاعات منطقه، اعلان تماس را ارسال خواهند کرد. پس از دریافت اعلان عفونت احتمالی، آنها می توانند با درخواست کلید افراد آلوده، وضعیت را بیشتر تجزیه و تحلیل کنند. اعلان قرار گرفتن در معرض می تواند برای بسیاری از افراد ارسال شود، اما برخی ممکن است نیازی به آزمایش نداشته باشند. بنابراین، برخی از تجزیه و تحلیل ها به صورت محلی انجام می شود تا مشخص شود که آیا فرد نیاز به آزمایش دارد یا خیر.

2.6. دانلود کلیدها و تطبیق امکان تماس با یک فرد آلوده

در این مرحله، کلیدهای ردیابی (همچنین به عنوان کلیدهای تشخیص شناخته می شود) که توسط یک فرد آلوده آپلود شده اند، توسط افراد مربوطه در تلفن همراه خود دانلود می شوند. پس از دانلود کلیدها، تطبیق بین کلیدهای دانلود شده و کلیدهای ذخیره شده در تلفن های محلی انجام می شود. در صورت یافتن تطابق، از افراد خواسته می‌شود در آزمایش شرکت کنند یا در قرنطینه بمانند. از مثال قبلی، نمونه ای از کلیدهای آپلود شده به سرور توسط Keran در شکل 6 نشان داده شده است .
یک نمای کلی مفهومی از تطابق بین کلیدهای دانلود شده و کلیدهایی که قبلاً در دستگاه های محلی ذخیره شده اند در شکل 7 نشان داده شده است . در این مثال، کران در 30 ژوئن با پیت و فاسی ملاقات کرد و بنابراین، کلیدهای آنها با موفقیت مطابقت داشت. پس از یک مسابقه موفقیت آمیز، از افراد درخواست می شود که در یک مرکز مجاور تست را انجام دهند یا در خانه منتظر جمع آوری نمونه باشند. از آنجایی که بیشتر محاسبات در دستگاه های محلی انجام می شود، احتمال نقض حریم خصوصی بسیار کم است.

2.7. به دنبال کمک پزشکی از بیمارستان های اطراف

پس از تطابق موفقیت آمیز کلیدها، به افراد مربوطه توصیه می شود در بیمارستان های مجاور آزمایش دهند (یا در قرنطینه بمانند). در برخی موارد، کارکنان پزشکی برای محدود کردن شیوع COVID-19 از خانه نمونه‌هایی را جمع‌آوری می‌کنند. روند مورد بحث در هر هفت بخش فرعی به کنترل موثر همه گیری کمک می کند. علاوه بر این، ضبط و تطبیق تماس بدون هیچ گونه اطلاعات قابل شناسایی مستقیم انجام می شود، و بنابراین، حریم خصوصی تضمین می شود و ردیابی به حداقل می رسد. در نهایت، پلتفرم Apple-Google نرم‌افزاری به کمک سیستم‌عامل است (اطلاعات مربوط به قرار گرفتن در معرض احتمالی و یک مورد مثبت هیچ اطلاعات شناسایی را در بر نمی‌گیرد) و صرفاً بر اساس مفاهیم رمزنگاری ساخته شده است [ 12 ، 13 ]]. از آنجایی که پلتفرم اپل-گوگل از نظر حریم خصوصی حفظ می‌شود، مردم نسبت به پلتفرم‌های سنتی ردیابی تماس، تردید کمتری در استفاده از آن دارند. یک نمای کلی مفهومی از ماژول های اصلی پلت فرم ردیابی تماس Apple-Google در شکل 8 نشان داده شده است . برخی از مطالب مورد بحث در بخش 2از مطالعات قبلی مجدداً فرموله شده (یا ترسیم مجدد شده است) (در صورت لزوم برای یکپارچگی تحقیق، استنادها گنجانده شده است) تا به طور سیستماتیک عملکرد این پلت فرم PPCT را نشان دهند. علاوه بر این، ما با مثال زدن از سه کاربر، سناریویی را استخراج می کنیم تا عملکرد این پلت فرم را به روشی سیستماتیک تر برجسته کنیم. تا جایی که ما می دانیم، این اولین اثری است که کار دقیق این پلت فرم را همراه با یک سناریوی واقعی و عملی مورد بحث قرار می دهد. در بخش بعدی، ما 15 پیشرفت مختلف را برای این پلتفرم پیشنهاد می‌کنیم که می‌تواند افزوده ارزشمندی به این فناوری مفید برای جامعه باشد.

3. کارکردهای اضافی ناشناخته در پلتفرم ردیابی تماس Apple-Google

ایده عمومی پلتفرم ردیابی تماس Apple-Google برای هشدار به افراد در صورت تماس نزدیک با یک فرد آلوده، ساده، شفاف، ظریف است و بنابراین احتمالاً مورد استقبال اکثر کاربران قرار خواهد گرفت.
با این حال، ما ویژگی‌های اضافی خاصی را شناسایی می‌کنیم که در طراحی پلتفرم ردیابی تماس Apple-Google ناشناخته باقی مانده‌اند و می‌توانند برای افزایش استحکام و حفظ حریم خصوصی پلتفرم‌ها حیاتی باشند. ما به طور خلاصه عملکردهای مختلف و ناشناخته اضافی را در پلتفرم ردیابی تماس Apple-Google به شرح زیر ارائه می کنیم. شکل 9مشارکت و تازگی این کار را از نظر الگوریتم های جدید، ساختارهای داده، چارچوب و کاربرد ارائه می دهد. به عنوان مثال، یک روش جدید که شفاف تر است می تواند برای افزایش شفافیت در تولید کلید ردیابی استفاده شود. به طور مشابه، یک الگوریتم جدید را می توان در پلتفرم CT موجود تعبیه کرد که به جای تولید کلیدها به صورت متوالی (مثلاً 143 کلید در روز) در صورت نیاز کلیدها را تولید می کند. یک الگوریتم یا رابط جدید می تواند برای علامت گذاری نسبی یا تبرئه به عنوان تماس دائمی برای کاهش هزینه های ارتباطی ایجاد شود. این مقاله از نظر این الگوریتم‌های جدید، ساختارهای داده، چارچوب‌ها و برنامه‌های کاربردی برای تحقق این قابلیت‌های اضافی ناشناخته، مشارکت‌های تحقیقاتی و تازگی ارائه می‌کند. با ترکیب این توابع جدید، عملکرد پلت فرم های سی تی را می توان دو یا سه برابر افزایش داد.

3.1. عدم شفافیت در تولید کلید ردیابی

پس از نصب پلت فرم ردیابی تماس Apple-Google، یک کلید برای هر دستگاه تولید می شود. با این حال، مشخص نیست که چه نوع اطلاعاتی (به عنوان مثال، شماره تلفن همراه، شماره IMEI یا اطلاعات دیگر) در تولید کلید ردیابی استفاده می شود. به عنوان مثال، اگر تلفن همراه در زمان تولید کلید خریداری شود، می تواند منجر به ردیابی و سایر انواع افشا شود. به عنوان مثال، در کره جنوبی، تقریباً همه انواع داده های خصوصی را می توان با کمک شماره تلفن همراه استخراج کرد. بنابراین، اطلاعات/توضیحات بیشتر در مورد شفافیت تولید کلید ردیابی مورد نیاز است. علاوه بر این، بیشتر پردازش ها به صورت جعبه سیاه انجام می شود و بنابراین، شفافیت باید در طراحی مکانیسم کلید ردیابی گنجانده شود.

3.2. تولید غیر ضروری شناسه های مجاورت نورد

پلتفرم ردیابی تماس Apple-Google معمولا ایجاد می کند r p i�پمنهر 10 دقیقه، حتی زمانی که هیچ دستگاه نزدیکی پیدا نشد. بنابراین، می تواند در تلفن های همراه با محدودیت منابع مشکل ساز باشد. برای جلوگیری از محاسبات غیر ضروری r p i�پمن، یک مکانیسم هوشمند برای تولید مبتنی بر نیاز مورد نیاز است r p i�پمن(به عنوان مثال، هنگامی که یک تلفن در نزدیکی شما شناسایی می شود).

3.3. وقتی مردم با هم زندگی می کنند یا کار می کنند، هزینه های ارتباطی گسترده

پلتفرم ردیابی تماس Apple-Google هنگامی که دو تلفن به یکدیگر نزدیک هستند، مخاطبین را ایجاد و ضبط می کند. با این حال، در موارد واقعی، دو گوشی در بیشتر موارد به دلیل زندگی/کار کردن با هم می توانند برای مدت طولانی به یکدیگر نزدیک باشند. در این سناریو، اکثر کلیدها را می توان رد و بدل کرد که می تواند هزینه های ارتباطی گسترده ای را ایجاد کند. علاوه بر این، زمانی که تعداد زیادی کلید در فروشگاه محلی وجود دارد، می‌تواند روند تطبیق کلیدها را کند کند.

3.4. عدم وجود استراتژی های بهینه سازی در ضبط مخاطبین (مثلاً تبادل کلیدها)

پلتفرم ردیابی تماس Apple-Google وقتی هر دو تلفن همراه نزدیک به یکدیگر هستند، کلیدها را با دستگاه های مجاور مبادله می کند. با این حال، زمانی که افراد از یک جهت یا فاصله بیش از 2 متر از مسیر با یکدیگر عبور کنند، احتمال ابتلا کم است. بنابراین، استراتژی‌های هوشمندی در پلتفرم ردیابی تماس Apple-Google برای تعیین دقیق فاصله برای تعویض کلید مورد نیاز است. تعیین دقیق زمان تعویض کلید می تواند به صرفه جویی در توان محاسباتی در زمان تطبیق کلید کمک کند. علاوه بر این، می تواند به صرفه جویی در ذخیره سازی حافظه کمک کند زیرا ظرفیت ذخیره سازی اکثر تلفن های همراه زیاد نیست.

3.5. عدم وجود استراتژی های بهینه سازی در تطبیق موثر کلیدهای تشخیصی

در پلتفرم ردیابی تماس Apple-Google، کلیدها به ترتیب مطابقت دارند. در بیشتر موارد، فضای کلید به طور قابل توجهی بزرگ است و مطابقت های صحیح را می توان در نمایه های بعدی پیدا کرد. به دلیل مشکلات تاخیر، شناسایی افراد بالقوه آلوده می تواند کند باشد و در نتیجه ویروس می تواند با سرعت سریع گسترش یابد. برای جلوگیری از مشکلات تاخیر، استراتژی‌های بهینه‌سازی برای یافتن منطبق‌های صحیح به طور موثر مورد نیاز است. یک نمای کلی از پیشرفت‌ها در مفهوم تطبیق کلید در شکل 10 نشان داده شده است . با استفاده از جستجوی موازی، کلیدهای مورد نظر را می توان به سرعت مطابقت داد، و فرآیند پیشنهادی زمانی قابل اعتماد است که اندازه فضای کلید بزرگ باشد.

3.6. سیل کلیدها و مسائل فضای حافظه

در پلتفرم ردیابی تماس Apple-Google، بیشتر پردازش‌ها (تولید کلید، توزیع، تطبیق) در دستگاه‌های انتهایی (مانند تلفن‌های همراه) انجام می‌شود. در برخی از سناریوها (اجازه دهید بگوییم جمع هزاران نفر)، تعداد زیادی کلید را می توان رد و بدل کرد و مشکلات فضای حافظه ممکن است در تلفن های همراه رخ دهد. علاوه بر این، مکانیزمی در پلتفرم ردیابی تماس اپل-گوگل وجود دارد که به کاربران هشدار می دهد زمانی که در موبایل فضایی برای ذخیره کلیدهای مخاطب وجود ندارد. با توجه به این مسائل، تماس های مهم را می توان از دست داد، و مهار ویروس می تواند مشکل ساز شود. در چنین شرایطی، حذف کلیدهای قدیمی می تواند به غلبه بر مشکلات فضای حافظه کمک کند.

3.7. عدم کنترل کلیدهای گمشده توسط کاربران مخرب

در پلتفرم ردیابی تماس Apple-Google، بیشتر پردازش‌ها به دستگاه‌های مشتری (یعنی کاربران تلفن‌های هوشمند) اختصاص دارد و کاربران می‌توانند در هر زمان از فرآیند ردیابی انصراف دهند. به این ترتیب، کاربران آلوده می توانند مکانیسم ردیابی را ترک کنند و/یا می توانند کلیدهای تشخیصی ذخیره شده در تلفن همراه خود را حذف کنند. در چنین شرایطی، پلتفرم ردیابی تماس Apple-Google هیچ کنترلی بر بازیابی کلیدها و همچنین شناسایی کاربران آلوده و مخاطبین نزدیک آنها ندارد. برای جلوگیری از چنین مسائلی، باید اطلاعات جزئی در پلتفرم برای محدود کردن گسترش COVID-19 نگهداری شود.

3.8. نشت ناخواسته اطلاعات شخصی

در پلت فرم ردیابی تماس Apple-Google، هیچ اطلاعات مستقیمی جمع آوری نمی شود، و بنابراین، مسائل مربوط به حریم خصوصی کوچک است. با این حال، برخی از سناریوها وجود دارد که در آن افشا می تواند رخ دهد. به عنوان مثال، اگر آلیس و باب در یک پارک با هم آشنا شدند و بدون ملاقات با شخص دیگری به خانه بازگشتند. روز بعد، اگر باب مبتلا به کووید-19 تشخیص داده شود، آلیس یک اعلان تماس دریافت می‌کند. بدون هیچ شکی، او می تواند حدس بزند که باب احتمالاً به COVID-19 آلوده شده است. علاوه بر این، در برخی موارد، اطلاعات مکانی نیز می تواند افشا شود. از این رو، پلتفرم ردیابی تماس Apple-Google در بیشتر موارد نمی تواند حریم خصوصی را تضمین کند.

3.9. شکست در رسیدگی به همه تماس‌های احتمالی با در نظر نگرفتن اطلاعات مکانی-زمانی

در پلتفرم ردیابی تماس Apple-Google، کلیدها زمانی رد و بدل می‌شوند که دو موبایل بسیار نزدیک به یکدیگر باشند. با این حال، ویروس حتی زمانی که دو نفر هیچ تماسی با هم ندارند، می‌تواند پخش شود. به عنوان مثال، شخص X از آسانسور استفاده می کند و فرد بعدی Y از همان آسانسور استفاده می کند. در این مورد، اگر X به کووید-19 آلوده شده باشد، پلتفرم ردیابی تماس Apple-Google نمی تواند Y را به عنوان افراد احتمالی آلوده شناسایی کند، زیرا هیچ کلیدی در تلفن های همراه X و Y در مورد یکدیگر وجود ندارد. از این رو، پلت فرم ردیابی تماس اپل-گوگل نمی تواند همه مسیرهای عفونت (یا انتشار ویروس) را مسدود کند.

3.10. ناتوانی در ضبط دقیق کلیدها با در نظر نگرفتن اطلاعات زمانی

در پلتفرم ردیابی تماس Apple-Google، شناسه‌های تصادفی بین تلفن‌های همراه بدون توجه به وضعیت ماسک افراد (یا اینکه آیا آنها تماس فیزیکی داشتند یا نه) بین تلفن‌های همراه رد و بدل می‌شوند. با نادیده گرفتن اطلاعات دقیق در زمان ضبط تماس، فضای کلید می تواند بزرگ باشد و بسیاری از کلیدهای غیر ضروری را می توان در دستگاه های یکدیگر ذخیره کرد که می تواند منجر به مشکلات تاخیر در زمان تطبیق کلیدها شود. به طور مشابه، کلیدها هر بار ضبط می‌شوند، حتی زمانی که دو موبایل مشابه پس از مدتی (مثلاً پنج دقیقه بعد) در یک مکان/محل با هم تماس نزدیک پیدا کنند. برای جلوگیری از بسیاری از مسائل بیهوده ذخیره سازی کلید، استفاده از اطلاعات زمانی ممکن است به ثبت حداقل کلیدهای ضروری برای اهداف ردیابی کمک کند. در آخر،

3.11. ردیابی تماس کمتر موثر زمانی که تحرک افراد زیاد است

در پلتفرم ردیابی تماس Apple-Google، اعلان‌های مواجهه بر اساس اطلاعات افراد آلوده به منطقه نسبتاً کوچکی ارسال می‌شوند. با این حال، در برخی موارد، تحرک افراد می‌تواند زیاد باشد (یعنی جلسات کاری در مکان‌های مختلف در طول یک هفته)، و به دلیل تحرک بیشتر (یا تفاوت در محل) نمی‌توان اعلان مواجهه را به همه افراد بالقوه در معرض قرار داد. در چنین شرایطی، انتشار ویروس نمی تواند به طور موثر محدود شود و می تواند از طریق مسیرهای پنهان به مناطق دیگر سرایت کند. از این رو برای نگهداری هوشمندانه کلیدها و استفاده از آنها در مواقع ضروری به روش های موثری نیاز است.

3.12. یک کلید به جای چند کلید کافی است

پلتفرم ردیابی تماس Apple-Google نمی تواند بین دو نفر که برای مدت طولانی با یکدیگر ملاقات می کنند یا چند نفر برای مدت کوتاهی در ایستگاه مترو یا اتوبوس با یکدیگر ملاقات می کنند، تمایز قائل شود. در مورد اول، یک کلید برای ردیابی احتمال عفونت بعدی کافی است. با این حال، در پلتفرم ردیابی تماس Apple-Google، کلیدهای پلت فرم ردیابی تماس هر بار رد و بدل می شوند که می تواند منجر به هزینه های محاسباتی، ارتباطات و پردازش بیش از حد شود. در چنین شرایطی، اگر مکان تلفن همراه برای مدت معقولی تغییر نکند، تنها یک کلید اخیر به جای چند کلید برای کل مدت جلسه قابل ذخیره است. با انجام این کار می توان هزینه های محاسباتی را کنترل کرد و تماس های یک فرد آلوده را به سرعت ردیابی کرد.

3.13. یک گلوگاه عملکرد زمانی که تعداد کلیدها زیاد است (به عنوان مثال، سناریوی یک فرد فعال اجتماعی)

در پلتفرم ردیابی تماس Apple-Google، تعداد کلیدها برای یک فرد فعال اجتماعی می‌تواند بسیار زیاد باشد. عفونت چنین شخصی می‌تواند برای سایر مشتریان (مثلاً تلفن‌های همراه) گلوگاه عملکردی ایجاد کند زیرا تعداد کلیدهایی که باید مطابقت داده شوند می‌تواند از نظر تعداد بسیار زیاد باشد. برای جلوگیری از تنگناهای عملکرد، پلتفرم ردیابی تماس Apple-Google می‌تواند تسهیلات بارگیری محاسباتی را برای کاربران فراهم کند تا کلیدها را به طور مؤثر مطابقت دهند و بر تنگناهای عملکرد غلبه کنند. علاوه بر این، جستجوی موازی کلیدها و مفاهیم تقسیم و غلبه می‌تواند مشکلات عملکرد را در تطبیق کلیدها در چنین شرایطی کاهش دهد.

3.14. عدم پشتیبانی از سایر ابزارهای ثبت موقعیت مکانی برای ارائه یکپارچه اطلاعات موقعیت یابی دقیق

در پلت فرم ردیابی تماس Apple-Google، مخاطبین بر اساس اتصالات بلوتوث (حدود 30 متر برد) ایجاد می شوند. با این حال، در برخی موارد، سیستم‌های ماهواره‌ای ناوبری جهانی (GNSS)، برج‌های سلولی، و داده‌های Wi-Fi، که عمدتاً توسط کاربر به‌صورت شخصی تامین می‌شوند، برای تجزیه و تحلیل محلی‌سازی اجتناب‌ناپذیر هستند [ 14 ]. جدای از گزینه های دیگر، GNSS پتانسیل ارائه اطلاعات موقعیت یابی دقیق را دارد که در ازای آن می توان از روش های مختلفی در زمینه این بیماری همه گیر در حال انجام استفاده کرد، مانند ردیابی و ردیابی مخاطبین نزدیک، نقشه برداری و برچسب گذاری، برنامه ریزی منابع، و تحویل مواد پزشکی و اورژانسی ( https://gnss.asia/blog/gnss-joins-the-fight-against-the-global-pandemic/) (دسترسی در 2 اکتبر 2022). استفاده از سیگنال گالیله واکشی شده یا برای مهار حتی پتانسیل GNSS بسته به نوع تلفن مورد استفاده می تواند به تهیه نقشه های آسیب پذیری کمک کند که می تواند برای هشدار دادن به افراد برای دوری از مکان های آلوده استفاده شود [ 15 ]. یک نمای کلی از فرکانس های سیگنال گالیله در شکل 11 نشان داده شده است . بسیاری از خدمات تجاری بر اساس سیگنال گالیله و سیستم های GPS برای ردیابی موقعیت و موقعیت یابی توسعه یافته اند.
داده های GNSS به طور گسترده در ردیابی تماس افراد آلوده استفاده شده است [ 16 ]. سیستم‌های مبتنی بر GNSS از چندین ماهواره تشکیل شده‌اند که سیگنال‌هایی را از فضا با ارسال اطلاعات موقعیت‌یابی و زمان‌بندی به گیرنده‌ها ارائه می‌کنند. سپس گیرنده‌ها از این داده‌ها برای تعیین مکان خود از طریق سیگنال‌های زمانی به‌دست‌آمده در طول خط دید توسط رادیو از ماهواره‌ها استفاده می‌کنند. از این رو، ترکیب منابع ناهمگن داده برای گسترش کاربرد چارچوب در تلفن‌های قدیمی، و همچنین برای گرفتن مسیرهای مخفی انتقال COVID-19 (به عنوان مثال، بازدید از مکان‌های آلوده) ضروری است [ 17 ]]. علاوه بر این، پلتفرم‌های ردیابی تماس مبتنی بر GNSS برای محیط‌های بیرونی مناسب‌تر هستند و GNSS می‌تواند عملکرد محلی‌سازی را در برنامه‌های ردیابی تماس افزایش دهد [ 18 ، 19 ]. برای حفظ حریم خصوصی مکان، می توان از فناوری های پیشرفته مانند بلاک چین استفاده کرد [ 20 ]. بسته به طراحی سیستم، منابع بیشتری را می توان برای گرفتن یکپارچه اطلاعات مکان و افزایش پذیرش سیستم توسط عموم ادغام کرد.

3.15. فقدان تکنیک های فشرده سازی برای کاهش یکپارچه هزینه های محاسباتی

همانطور که در بخش‌های قبلی ذکر شد، PPCT توسعه‌یافته توسط اپل و گوگل، تعداد زیادی کلید را تولید و ذخیره می‌کند و ممکن است برخی از آنها برای شناسایی مخاطبین یک فرد در معرض خطر مورد نیاز نباشد. ذخیره سازی و پردازش چنین تعداد قابل توجهی از کلیدها هزینه های زیادی را به خصوص از نظر حافظه به همراه دارد. برای غلبه بر چنین مسائلی، تکنیک های فشرده سازی را می توان با PPCT ادغام کرد تا مصرف ذخیره سازی در پلت فرم را کاهش دهد [ 21 ، 22 ]. جدای از استفاده از تکنیک‌های فشرده‌سازی، معماری‌های موازی می‌توانند به جای معماری‌های سریالی برای تطبیق با کلیدهای افراد آلوده برای یافتن تماس‌های بالقوه در معرض استفاده قرار گیرند [ 23 ]]. ادغام تکنیک های فشرده سازی و معماری های موازی می تواند هزینه های محاسباتی را کاهش دهد و می تواند مقیاس پذیری این پلت فرم را افزایش دهد.
جدای از مسائل کلیدی ذکر شده در بالا، در برخی موارد، تبادل کلید می تواند بی معنی باشد. به عنوان مثال، افرادی که نزدیک به یکدیگر زندگی می کنند (مثلاً با دیوارها از هم جدا شده اند) یا در یک مکان کار می کنند و غیره. بنابراین، استراتژی های هوشمندانه ای برای تصمیم گیری در مورد زمان ضبط یک مخاطب و بهینه سازی فرآیند جستجوی کلید مورد نیاز است. در نهایت، تولید کلیدها فقط در صورت نیاز و حذف آنها بر اساس فواصل زمانی (به عنوان مثال، 14 روز) می تواند به غلبه بر مشکلات ذخیره سازی که در طراحی پلت فرم ردیابی تماس Apple-Google ناشناخته باقی مانده اند، کمک کند. اطلاعات بیشتر در مورد معافیت یک خانواده از قوانین فاصله گذاری اجتماعی را می توان از مطالعات قبلی به دست آورد [ 24 ]]. علاوه بر این، ترکیب استراتژی‌ها برای غلبه بر مسائل انرژی در پلت‌فرم‌های ردیابی تماس مبتنی بر بلوتوث نیاز به کاوش بیشتر از جامعه تحقیقاتی دارد [ 25 ]. در نهایت، ابداع یک استراتژی بهینه برای ثبت مخاطبین بر اساس نقض فاصله اجتماعی (≤2 متر) به جای برد بلوتوث (20/30 متر) نیاز به کاوش بیشتری دارد. اگرچه پلتفرم ردیابی تماس اپل-گوگل پیشرفت بزرگی است، اعتقاد بر این است که برنامه‌های افزودنی فوق فنی بودن سیستم را بهبود می‌بخشد که می‌تواند به مبارزه بهتر با بیماری‌های عفونی کمک کند.

4. ادغام تکنیک های مبتنی بر هوش مصنوعی و حفظ حریم خصوصی با پلتفرم ردیابی تماس اپل-گوگل: هم افزایی و برنامه های کاربردی جدید

از آنجایی که پلتفرم پیشنهادی اپل و گوگل از اطلاعات مکانی و زمانی در فرآیند ردیابی تماس استفاده نمی کند، بسیاری از مسیرهای پنهان آلودگی را می توان کنار گذاشت. علاوه بر این، در بیشتر موارد، ویروس می‌تواند بدون تماس فیزیکی از طریق سطوح آلوده پخش شود، و بنابراین، هم افزایی‌های جدید در افزایش افق برنامه پلتفرم اپل و گوگل ضروری است. در راستای این نیازها، ما دو سرویس مبتنی بر هوش مصنوعی و حفظ حریم خصوصی را پیشنهاد می‌کنیم که می‌توانند به پلتفرم ردیابی تماس با ارزش افزوده شوند.

4.1. بررسی خود احتمال ابتلا به کووید-19 با استفاده از تکنیک‌های هوش مصنوعی

اخیراً، مدل‌های هوش مصنوعی از پیش آموزش‌دیده به‌طور گسترده در حوزه پزشکی برای اهداف متعدد، مانند شناسایی و تشخیص بیماری‌ها استفاده شده‌اند [ 26 ، 27 ]. این سیستم ها تصاویر/داده های صوتی را به عنوان ورودی می گیرند و با تجزیه و تحلیل داده ها با داده های قبلاً تجزیه و تحلیل شده، خروجی مورد نظر را تعیین می کنند. برای این منظور، ما پیشنهاد می‌کنیم امکان بررسی خودکار سرویس عفونت COVID-19 را با استفاده از یک مدل هوش مصنوعی از پیش آموزش‌دیده در پلت‌فرم ردیابی تماس Apple-Google اضافه کنید. این سرویس مبتنی بر الگوریتم‌های هوش مصنوعی و داده‌های غیرخصوصی است و این نوع خدمات قبلاً در زمان‌های اخیر نویدبخش بوده است [ 28 ]. IPO (ورودی، پردازش و خروجی) خدمات در زیر آورده شده است.
  • ورودی: داده‌های علائم، داده‌های فعالیت‌ها، سوابق سفر و داده‌های بیماری(های) زمینه‌ای.
  • پردازش: مدل‌های ML/DL، مانند SVM، رگرسیون، KNN، RF، CNN، RNN و غیره.
  • خروجی: احتمال عفونت، توصیه و/یا نکات بهداشتی.
اخیراً، تقاضا برای هوش مصنوعی قابل توضیح در برنامه های مراقبت های بهداشتی در حال تبدیل شدن به یک استاندارد واقعی است [ 29 ، 30 ]. از این رو، برخی از توجیه یا تحلیل نتایج نیز می تواند همراه با خروجی ارائه شود. در شکل 12، ما یک نمای کلی از چنین سرویسی را نشان می دهیم که می تواند برای جامعه برای بررسی پیشگیرانه احتمال عفونت مفید باشد. در این سرویس 0 به معنای عدم امکان آلودگی است. در مقابل، 1 نشان دهنده احتمال عفونت است. در این سرویس، بیشتر داده ها غیر خصوصی هستند و بنابراین، حریم خصوصی به میزان قابل توجهی حفظ می شود. در این سرویس، اگر مقادیر اکثر سوالات مهم مانند 1، 2، 3، 5، 10، 11، 12، 16 و 17 1 باشد، نتایج می تواند 1 (100%) باشد. ادغام چنین خدماتی می تواند متقاعدسازی پلتفرم را افزایش دهد که در مقابل، می تواند برای محدود کردن گسترش ویروس مفید باشد.

4.2. برآورد آسیب‌پذیری/خطر ابتلا به عفونت COVID-19 با استفاده از اطلاعات تحرک

از آنجایی که آسیب‌پذیری/خطر ابتلا به کووید-19 به شدت به تحرک بستگی دارد، بنابراین، ما یک سرویس تخمین آسیب‌پذیری/خطر را پیشنهاد می‌کنیم که با پلتفرم ردیابی تماس Apple-Google یکپارچه شود. بسیاری از روش‌های تخمین خطر در ادبیات برای انجام وظایف متعدد در مورد COVID-19 توسعه یافته‌اند [ 31 ، 32 ]. محققان دانشگاه جانز هاپکینز روشی مبتنی بر چند معیار را برای جداسازی گروه‌های آسیب‌پذیر توسعه دادند ( https://www.ahealthierworld.jhu.edu/tracking-vulnerable-populations-covid )) (دسترسی در 15 اوت 2022). به طور مشابه، در سرویس پیشنهادی ما، یک امتیاز ریسک/آسیب‌پذیری را می‌توان بر اساس مکان/امکاناتی که یک فرد بازدید می‌کند، و بسیاری از عوامل دیگر مانند اندازه مرکز، زمانی که شخص در برخی از امکانات سپری می‌کند و غیره تخمین زد. به طور خلاصه، اگر یک فرد فقط به سر کار می رود و روزانه برمی گردد، سپس خطر ابتلا به عفونت او در مقایسه با فردی که هر روز چندین مکان را بازدید می کند کمتر است (مثلاً خدمات تحویل). در شکل 13 ، سناریوهای کم، متوسط ​​و پرخطر را بر اساس اطلاعات تحرک نشان می دهیم.
بر اساس سه سناریو نشان داده شده در شکل 13، ما یک تابع برآورد آسیب‌پذیری/ریسک را پیشنهاد می‌کنیم که عوامل متعددی را در نظر می‌گیرد، مانند تعداد امکاناتی که فرد در روز بازدید می‌کند، تعداد تماس‌هایی که فرد روزانه برقرار می‌کند، وضعیت ماسک، وضعیت استفاده از حمل و نقل (به عنوان مثال، عمومی/شخصی)، فضایی. -فعالیت‌های زمانی، جمعیت‌شناسی و غیره. با محاسبه امتیاز آسیب‌پذیری/خطر، می‌توان توصیه‌هایی به افراد مرتبط برای محدود کردن فعالیت‌های روزانه ارائه کرد که در غیر این صورت می‌تواند منجر به عفونت شود. علاوه بر این، ابر پخش کننده ها را می توان از این طریق شناسایی کرد. محاسبه آسیب‌پذیری/ارزش خطر با استفاده از ردی از امکاناتی که شخص در تلفن همراه بازدید می‌کند، افراد را قادر می‌سازد تا اقدامات پیشگیرانه را انجام دهند. علاوه بر این، تعیین ارزش آسیب‌پذیری/خطر با در نظر گرفتن عوامل متعدد می‌تواند به شناسایی گروه تمرکز برای آزمایش‌های مکرر کمک کند. علاوه بر این،

4.3. ایجاد نقشه آسیب پذیری تسهیلات با استفاده و برچسب گذاری کدهای Ge–QR

در اجرای پیشنهادی پلت فرم ردیابی تماس Apple-Google، عمدتاً از داده‌های بلوتوث استفاده می‌شود، و بنابراین، هیچ مکانیزمی برای توصیه به گروهی از افراد برای انجام آزمایش COVID-19 بر اساس امکانات بازدید شده توسط آنها وجود ندارد. با ایجاد نکردن نقشه آسیب‌پذیری بر اساس اطلاعات تأسیسات، ویروس می‌تواند به سرعت و به طور مجزا در مناطق پخش شود. برای پوشش این شکاف، پیشنهاد می‌کنیم نقشه‌ای از امکانات بسازید و به صورت محلی با استفاده از ابزارهای مکان‌یابی دیگر مانند داده‌های GNSS ذخیره کنید. از آنجایی که سیگنال‌های گالیله از حریم خصوصی محافظت می‌شوند، و بنابراین، می‌توانند با پلتفرم ادغام شوند. برخی از برنامه های کاربردی وب مانند Corona Map (نگاه کنید به شکل 14 ) در کره جنوبی برای برچسب گذاری مناطق آلوده/خطرناک و نقاط داغ COVID-19 استفاده می شوند.
به عبارت ساده، یک نقشه امکاناتی را که اخیراً توسط بیماران تأیید شده COVID-19 بازدید شده است را مشخص می کند. کدهای رنگی مختلف برای نشان دادن سطح آسیب پذیری از نظر مدت زمانی که این بازدیدها انجام شده است استفاده می شود. با توجه به این اطلاعات دقیق، مردم می توانند از مناطق پرخطر دوری کنند. این برنامه‌ها درک/آگاهی بسیار بهتری از اینکه کدام مناطق به ترتیب خطرناک و نسبتاً ایمن هستند، ارائه می‌دهند. با ادغام چنین خدماتی، می توان از مکان های پرخطرتر برای مهار شیوع ویروس جلوگیری کرد. علاوه بر این، یک نقشه آسیب‌پذیری می‌تواند برای ارائه جزئیات سطح دقیق امکانات پرخطر ایجاد شود.
ادغام خدمات ذکر شده در بالا در پلتفرم می تواند عملکردهای آن را افزایش دهد که در مقابل می تواند به محدود کردن ویروس کمک کند. در نهایت، برخی از مطالعات قبلی پیشنهاد کرده اند که پلتفرم ردیابی تماس پیشنهاد شده توسط اپل و گوگل می تواند در معرض خزش عملکرد باشد [ 33 ]. از این رو، تجزیه و تحلیل فنی عملکردهای اصلی پلت فرم ضروری است. تجزیه و تحلیل فنی ارائه شده در این مقاله می تواند به علم داده های مسئول ( https://redasci.org/ ) کمک کند (در 25 اوت 2022 قابل دسترسی است). علاوه بر این، اجرای کامل/جزئی مطالب پیشنهادی می‌تواند محبوبیت پلتفرم را افزایش داده و منجر به توسعه فناوری‌های سودمند جامعه شود.

5. اثبات مفهوم آزمایش ها و مقایسه ها

در این بخش، ما عملکرد PPCT پیشنهاد شده توسط اپل و گوگل و PPCT اصلاح شده (M-PPCT) پیشنهاد شده در این مطالعه را بر اساس آزمایش‌های اثبات مفهوم مقایسه می‌کنیم. به طور خاص، ما عملکرد هر دو پلتفرم را از نظر تعداد کلیدها، زمان محاسبات، پیچیدگی ذخیره‌سازی و غیره مقایسه می‌کنیم. پلت فرم PPCT کلیدهایی را بر اساس مفهوم پنجره سازی تولید می کند که ممکن است مصرف ذخیره سازی را در تلفن های همراه با محدودیت منابع افزایش دهد. در شکل 15، ما مقایسه عملکرد بین PPCT (Apple Google) و M-PPCT (ما) را از منظر تعداد کلیدها و مصرف ذخیره سازی مربوطه ارائه می دهیم. از نتایج، می توان دریافت که M-PPCT تعداد کلیدهای کمتری نسبت به PPCT دارد که می تواند مصرف ذخیره سازی را به میزان قابل توجهی کاهش دهد. در M-PPCT، ما تولید کلید را تنها زمانی پیشنهاد می‌کنیم که دو تلفن همراه برای مدت زمان معقولی به‌جای پنجره‌بندی زمانی نزدیک باشند. این مفاهیم می توانند به کاهش هزینه های PPCT توسعه یافته توسط اپل و گوگل کمک کنند.
در آزمایش‌های بعدی، عملکرد PPCT و M-PPCT را از نظر تعداد مخاطبین و زمان محاسبات مربوطه برای کلیدهای تطبیق مقایسه می‌کنیم. در M-PPCT، مخاطبین زمانی ثبت می شوند که دو کاربر نسبتاً نزدیک باشند و زمان معقولی را با هم بگذرانند. در مقابل، PPCT مخاطبین را بر اساس محدوده بلوتوث ضبط می‌کند، و در نتیجه، بسیاری از مخاطبین از نظر آلودگی (یا احتمالاً انتشار عفونت) خطرناک نیستند. در شکل 16، مقایسه عملکرد بین PPCT (Apple Google) و M-PPCT (ما) را از منظر تعداد مخاطبین و زمان محاسبات مربوطه ارائه می کنیم. از نتایج، می توان دریافت که M-PPCT تعداد مخاطبین کمتری نسبت به PPCT دارد که می تواند زمان محاسبات را در کلیدهای تشخیصی تطبیق به میزان قابل توجهی کاهش دهد. در M-PPCT، تعویض کلید را تنها زمانی پیشنهاد می‌کنیم که دو تلفن همراه برای مدت زمان معقولی به‌جای محدوده بلوتوث (حدود 30 متر) به هم نزدیک باشند. این مفاهیم می توانند به کاهش قابل توجه هزینه های PPCT توسعه یافته توسط اپل و گوگل و کاهش سرعت گسترش COVID-19 کمک کنند.
جدای از مقایسه‌هایی که در بالا ارائه شد، PPCT نمی‌تواند بین موارد تحرک صفر (فردی برنامه را نصب کرده است، اما در خانه می‌ماند)، کار با هم (مرتب با افراد مشابه)، زندگی مشترک (زن و شوهر)، سفر با هم، و رانندگی با هم در این موارد، امکان ضبط زمینه های تکراری همان شخص وجود دارد که می تواند منجر به گلوگاه های عملکردی گسترده شود. برای تقویت بیشتر اهمیت فنی کار پیشنهادی، ما یک تحلیل عمیق از عملکردهای پیشنهادی برای PPCT و اهمیت فنی مربوطه در جدول 2 ارائه می‌کنیم.
همانطور که در جدول 2 نشان داده شده است، عملکردهای پیشنهادی می توانند گلوگاه های عملکردی مختلف را در PPCT کاهش دهند و می توانند استحکام و مقیاس پذیری این پلت فرم را افزایش دهند. علاوه بر این، پیشنهادات فنی می تواند عملکرد PPCT را در محدود کردن گسترش COVID-19 بهبود بخشد. در جدول 2 ، ما راه حل های کارآمد را برای تنگناهای مختلف PPCT ارائه می کنیم. تا جایی که ما می دانیم، این قابلیت ها و تأثیر احتمالی آنها بر عملکرد پلت فرم PPCT در ادبیات اخیر ناشناخته مانده است. تجزیه و تحلیل پیشنهادی می تواند سناریو (های) خدمات PPCT را بهبود بخشد و می تواند استاندارد خدمات PPCT را بهبود بخشد.

6. نتیجه گیری و کار آینده

در این مقاله مختصر، ما عملکرد پلتفرم ردیابی تماس پیشنهادی توسط اپل و گوگل را برای محدود کردن گسترش COVID-19 توضیح داده‌ایم. به طور خاص، ما یک تجزیه و تحلیل فنی (یعنی جزئیات سیستماتیک از نحوه عملکرد پلت فرم) از پلتفرم ارائه کرده‌ایم و در مورد عملکردهای اضافی ناشناخته بحث کرده‌ایم که می‌توانند برای افزایش بیشتر قابلیت‌های پلت فرم از نظر استحکام و حفظ حریم خصوصی حیاتی باشند. علاوه بر این، ما برخی از خدمات اضافی را پیشنهاد کرده‌ایم که می‌توانند علاوه بر این پلتفرم ارزشمند باشند. یافته‌های ضمیمه شده می‌تواند سطح فنی پلت فرم را بهبود بخشد، که در مقابل، می‌توان از آن برای مبارزه موثر با بیماری‌های عفونی آینده استفاده کرد. با توجه به فوریت شرایط، اکثر ابزارهای دیجیتالی توسعه یافته در عرصه همه گیر، طرح های مهم (یا اقدامات قانونی) را که منجر به پذیرش ضعیف اکثر سیستم ها در سناریوهای واقعی شده است نادیده گرفته اند. اصلاح اکثر برنامه‌ها و چرخه عمر داده‌های مورد استفاده در آنها در «عادی جدید» ضروری است. برای این منظور، این مطالعه پلتفرم ردیابی تماس Apple-Google را که برای یافتن مخاطبین افراد آلوده توسعه یافته است، مورد بررسی قرار داد تا شکست‌های آن در مدیریت حریم خصوصی متنوع و همچنین چالش‌های محاسباتی ناشی از دوران COVID-19 را برجسته کند. هر نمونه اولیه/سیستمی که بر اساس مفاهیم پیشنهاد شده در این یادداشت فنی توسعه یافته باشد، به عنوان منبع باز برای رفاه عموم مردم و بازخورد جامعه منتشر خواهد شد. در آینده، ادغام آخرین فناوری‌ها مانند هوش مصنوعی، بلاک چین، ضروری است. و برنامه‌های محاسباتی با کارایی بالا (HPC) با پلت‌فرم‌های مدیریت بیماری همه‌گیر که در ازای آن می‌توانند برای مبارزه با بیماری‌های عفونی به روش حفظ حریم خصوصی مفید باشند. علاوه بر این، بر خلاف پلتفرم ردیابی تماس Apple-Google که فقط به ردیابی تماس کمک می کند، قصد داریم یک چارچوب مفهومی اثباتی ابداع کنیم که می تواند برای دستیابی به اهداف چندگانه در زمینه یک بیماری همه گیر/همه گیر استفاده شود. علاوه بر این، ما در نظر داریم یک پلت فرم جامع برای بررسی نقض قرنطینه، رتبه‌بندی تأثیرگذارترین افراد بر اساس تحرک، پیش‌بینی گسترش، روند پیش‌بینی، تخمین آسیب‌پذیری و تولید نقشه، شناسایی فوق‌العاده پخش‌کننده، وضعیت واکسن و غیره ایجاد کنیم. در نهایت، قصد داریم به بررسی کاربردهای امیدوارکننده یادگیری فدرال در زمینه COVID-19.

منابع

  1. آکات، م. Karataş, K. اثرات روانشناختی همه گیری COVID-19 بر جامعه و بازتاب آن در آموزش. الکترون. ترک. گل میخ. 2020 ، 15 ، 4. [ Google Scholar ]
  2. کائو، ی. لی، کیو. چن، جی. گوا، ایکس. میائو، سی. یانگ، اچ. چن، ز. لی، سی. طرح مدیریت اورژانس بیمارستان لی، ال در طول همه‌گیری کووید-19. آکادمی ظهور. پزشکی 2020 ، 27 ، 309–311. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  3. Mbunge, E. ادغام فناوری‌های نوظهور در ردیابی تماس COVID-19: فرصت‌ها، چالش‌ها و دام‌ها. متاب دیابت. Syndr. کلین. Res. Rev. 2020 , 14 , 1631–1636. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  4. وانگ، ی. نگین، ا. احمد، اس. پذیرش برنامه ردیابی تماس دیجیتال در سراسر کشور: بررسی نقش نگرانی در مورد حفظ حریم خصوصی، اعتماد سیاسی و سواد فناوری. اشتراک. گل میخ. 2022 ، 73 ، 364-379. [ Google Scholar ] [ CrossRef ]
  5. Longbing، C. AI در مبارزه با همه‌گیری COVID-19. IEEE Intell. سیستم 2022 ، 37 ، 3-13. [ Google Scholar ]
  6. حسن دوست، ف. اخلاق پور، س. جانستون، نگرانی‌های مربوط به حریم خصوصی افراد AC و اتخاذ برنامه‌های تلفن همراه ردیابی تماس در یک بیماری همه‌گیر: دیدگاه محاسبه حریم خصوصی موقعیتی. مربا. پزشکی به اطلاع رساندن. دانشیار 2021 ، 28 ، 463-471. [ Google Scholar ] [ CrossRef ]
  7. مایکل، ک. عباس، آر. پشت برنامه‌های ردیابی تماس با COVID-19: مشارکت Google–Apple. مصرف IEEE الکترون. Mag. 2020 ، 9 ، 71–76. [ Google Scholar ] [ CrossRef ]
  8. مجید، الف. مدیریت مؤثر بیماری همه‌گیر کووید-19: تجربیات و درس‌ها از دیدگاه کره جنوبی. کووید 1 2021 ، 1 ، 325-334. [ Google Scholar ] [ CrossRef ]
  9. پارک، اس. چوی، GJ; Ko, H. حریم خصوصی در زمان COVID-19: مسیرهای متفاوت برای مکانیسم های ردیابی تماس و افشای مسیر در کره جنوبی. IEEE Secur. خصوصی 2021 ، 19 ، 51-56. [ Google Scholar ] [ CrossRef ]
  10. کولیاریدیس، وی. کامبوراکیس، جی. چتزگلو، ای. ژنیاتاکیس، دی. Wang, H. تشریح برنامه‌های ردیابی مخاطب در پلتفرم Android. PLoS ONE 2021 , 16 , e0251867. [ Google Scholar ]
  11. سایتو، ک. Iwamura، M. اعلان قرار گرفتن در معرض عفونت با حفظ حریم خصوصی بدون اعتماد به اشخاص ثالث. arXiv 2021 ، arXiv:2103.07669. [ Google Scholar ]
  12. Veale, M. حریم خصوصی مشکل جعبه ابزار ردیابی تماس Apple-Google نیست. گاردین ، 1 ژوئیه 2020؛ 1-3. [ Google Scholar ]
  13. Ilves، I. ردیابی تماس دیجیتال: حریم خصوصی در مقابل کارایی. امنیت سایبری Peer-Rev. J. 2021 ، 5 ، 102-112. [ Google Scholar ]
  14. خو، اچ. ژانگ، ال. اونیرتی، او. نیش، ی. بوکانان، WJ; عمران، MA BeepTrace: ردیابی تماس با حفظ حریم خصوصی با فعال کردن بلاک چین برای همه گیری COVID-19 و فراتر از آن. IEEE Internet Things J. 2020 , 8 , 3915–3929. [ Google Scholar ] [ CrossRef ]
  15. بوشکوویچ، آ. بیجلیچ، اس. سودژوم، ج. Stojanović, R. Covid-19 Related System for Real-Time Patients Monitoring and Tracking Technical Report ; دانشگاه مونته نگرو: پودگوریتسا، مونته نگرو، 2022. [ Google Scholar ]
  16. شوبینا، وی. هولسر، اس. گولد، ام. لوهان، ES بررسی راه حل های غیرمتمرکز با دستگاه های تلفن همراه برای ردیابی موقعیت مکانی کاربر، تشخیص نزدیکی، و ردیابی تماس در دوران COVID-19. داده 2020 ، 5 ، 87. [ Google Scholar ] [ CrossRef ]
  17. گرکوسیس، جی. لیو، ی. ردیابی تماس دیجیتال، جذب جامعه و فناوری آگاهی از نزدیکی برای مبارزه با کووید-19: یک بررسی سیستماتیک. حفظ کنید. جامعه شهرها 2021 ، 71 ، 102995. [ Google Scholar ] [ CrossRef ]
  18. جوستینیانو، دی. بیانچی، جی. کونتی، ا. بارتولتی، اس. Melazzi، NB 5G و فراتر از آن برای ردیابی تماس. IEEE Commun. Mag. 2021 ، 59 ، 36-41. [ Google Scholar ] [ CrossRef ]
  19. اوجاغ، س. سعیدی، س. Liang، SHL یک سیستم ردیابی تماس فرد به فرد و فرد به مکان COVID-19 بر اساس OGC IndoorGML. بین المللی J. Geo-Inf. 2020 ، 10 ، 2. [ Google Scholar ] [ CrossRef ]
  20. ون، ز. یو، ک. Qi، X. ساتو، تی. کاتسویاما، ی. ساتو، تی. کامیاما، دبلیو. کاتو، اف. کائو، ی. هاشیموتو، جی. و همکاران ردیابی تماس با قدرت بلاک چین برای COVID-19 با استفاده از اطلاعات کریپتو-مکانی. در مجموعه مقالات کنفرانس بین‌المللی IEEE 2020 درباره شبکه‌ها، برنامه‌ها و خدمات سلامت الکترونیک (HEALTHCOM)، شنژن، چین، 1 تا 2 مارس 2021. [ Google Scholar ]
  21. یی، جی. مودمبای، آر. Xu, W. تست کم هزینه و توان عملیاتی بالا ویروس‌ها و آنتی‌بادی‌های COVID-19 از طریق سنجش فشرده: مفاهیم سیستم و آزمایش‌های محاسباتی. arXiv 2020 ، arXiv:2004.05759. [ Google Scholar ]
  22. زو، ز. Xingming، Z. تائو، جی. دان، تی. لی، جی. چن، ایکس. لی، ی. ژو، ز. ژانگ، ایکس. ژو، جی. و همکاران طبقه‌بندی COVID-19 با تصویر سی‌تی فشرده قفسه سینه از طریق یادگیری عمیق در گروه بیماران بزرگ. بین رشته ای. علمی محاسبه کنید. زندگی علمی. 2021 ، 13 ، 73-82. [ Google Scholar ] [ CrossRef ]
  23. کاپلان، م. نایفل، سی. اورلیکوفسکی، وی. دورف، جی. نیوتن، ام. هوارد، آ. شین، دی. بیشاوی، م. رندلز، ا. چیدیاگوای، اس. و همکاران رایانش ابری برای کووید-19: درس‌هایی از مدل‌های موازی جداسازی هواکش. محاسبه کنید. علمی مهندس 2020 ، 22 ، 37–47. [ Google Scholar ] [ CrossRef ]
  24. آدم، بی. سیچون، جی. Kutyłowski، M. Bobowski; آدم؛ سیچون، جی. Kutyłowski، M. برنامه های افزودنی برای مکانیسم اعلان قرار گرفتن در معرض Apple-Google. گاو نر پول آکادمی علمی فنی علمی 2021 , 69 , e137126. [ Google Scholar ]
  25. شارون، تی. با حفظ حریم خصوصی؟ ردیابی تماس دیجیتال، API اپل/گوگل و نقش جدید فناوری بزرگ به عنوان سیاست گذاران جهانی بهداشت. Ethics Inf. تکنولوژی 2021 ، 23 ، 45-57. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  26. سلمان، وزیر خارجه؛ ابوناصر، س.س. الاجرامی، ا. ابوناصر، بص; تشخیص کووید-19 آلشقر، BAM با استفاده از هوش مصنوعی. بین المللی J. Acad. مهندس Res. 2020 ، 4 ، 18-25. [ Google Scholar ]
  27. رنگارجان، AK; کریشناسوامی، ا. راماچاندران، هنگ کنگ: تحلیل اولیه اپلیکیشن گوشی هوشمند مبتنی بر هوش مصنوعی برای تشخیص COVID-19 با استفاده از تصاویر اشعه ایکس قفسه سینه. سیستم خبره Appl. 2021 ، 183 ، 115401. [ Google Scholar ] [ CrossRef ]
  28. ژو، اچ. لیو، بی. دین، م. آهنگ، ال. Zhu, T. پنهان کردن اطلاعات خصوصی در تصاویر از هوش مصنوعی. در مجموعه مقالات ICC 2020-2020 کنفرانس بین المللی IEEE در زمینه ارتباطات (ICC)، دوبلین، ایرلند، 7 تا 11 ژوئن 2020؛ صص 1-6. [ Google Scholar ]
  29. پاوار، یو. اوشی، دی. رئا، اس. O’Reilly، R. Ai توضیحی در مراقبت های بهداشتی. در مجموعه مقالات کنفرانس بین المللی 2020 در مورد آگاهی موقعیت سایبری، تجزیه و تحلیل داده ها و ارزیابی (CyberSA)، دوبلین، ایرلند، 15 تا 19 ژوئن 2020؛ صص 1-2. [ Google Scholar ]
  30. سینا، جی. روبر، تی. گودهارت، آر. Birbil, I. چرا ما به هوش مصنوعی قابل توضیح برای مراقبت های بهداشتی نیاز داریم. arXiv 2022 ، arXiv:2206.15363. [ Google Scholar ]
  31. کاراملو، اف. فریرا، ن. Oliveiros, B. برآورد عوامل خطر مرگ و میر COVID-19 – نتایج اولیه. MedRxiv 2020 . [ Google Scholar ] [ CrossRef ]
  32. لوگر-شوستر، بی. زرنیچ نواکوویچ، آی. Lotzin، A. دو سال از COVID-19 در اتریش – مطالعه طولی اکتشافی پیامدهای سلامت روان و رفتارهای مقابله ای در جمعیت عمومی. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2022 ، 19 ، 8223. [ Google Scholar ] [ CrossRef ]
  33. Hoepman, JH نقدی بر چارچوب اعلان قرار گرفتن در معرض سیب گوگل (GAEN). arXiv 2020 ، arXiv:2012.05097. [ Google Scholar ]
Ijgi 11 00539 g001 550
شکل 1. بررسی اجمالی EISS که توسط کره برای مبارزه با کووید-19 توسعه یافته است (برگرفته از [ 9 ]).
Ijgi 11 00539 g002 550
شکل 2. نصب یک برنامه ردیابی مخاطب (به عنوان مثال، ENS به کمک سیستم عامل) در یک دستگاه محلی.
Ijgi 11 00539 g003 550
شکل 3. نمای کلی از تولید کلیدهای مختلف برای اهداف ردیابی تماس.
Ijgi 11 00539 g004 550
شکل 4. مثالی از تبادل کلید بین سه دوست در ENS برای اهداف ردیابی تماس.
Ijgi 11 00539 g005 550
شکل 5. نمونه ای از آپلود کلیدها در سرور نوردهی پس از آلودگی.
Ijgi 11 00539 g006 550
شکل 6. نمونه ای از کلیدهای تشخیصی که توسط یک فرد آلوده به سرور آپلود شده است.
Ijgi 11 00539 g007 550
شکل 7. نمونه ای از بررسی تطابق کلید در دستگاه های محلی.
Ijgi 11 00539 g008 550
شکل 8. نمای کلی مفهومی ماژول های اصلی پلت فرم ردیابی تماس Apple-Google.
Ijgi 11 00539 g009 550
شکل 9. مروری بر عملکردهای جدید در قالب ساختار داده، الگوریتم و برنامه های کاربردی در پلتفرم Apple Google CT.
Ijgi 11 00539 g010 550
شکل 10. نمای کلی مفهومی بهبود در روش تطبیق کلید پلت فرم ردیابی تماس اپل-گوگل: ( الف ) بررسی امکان تطبیق کلید هدف با کلیدهای ذخیره شده به صورت متوالی (به عنوان مثال، یک به یک)، ( ب ) بررسی امکان تطبیق کلید هدف با کلیدهای ذخیره شده به صورت موازی (به عنوان مثال، بیش از یک در یک زمان).
Ijgi 11 00539 g011 550
شکل 11. نمای کلی فرکانس های سیگنال Galileo مورد استفاده در خدمات تجاری مبتنی بر GNSS.
Ijgi 11 00539 g012 550
شکل 12. نمای کلی سرویسی که می تواند برای بررسی خود احتمال عفونت COVID-19 استفاده شود.
Ijgi 11 00539 g013 550
شکل 13. مروری بر سه سناریو آسیب پذیری/خطر بر اساس اطلاعات تحرک.
Ijgi 11 00539 g014 550
شکل 14. مروری بر امکانات ایمن و پرخطر بر اساس اطلاعات ویزیت موقت بیماران.
Ijgi 11 00539 g015 550
شکل 15. PPCT در مقابل M-PPCT: مقایسه تعداد کلید ( a ) و مصرف ذخیره سازی ( b ).
Ijgi 11 00539 g016 550
شکل 16. PPCT در مقابل M-PPCT: مقایسه تعداد مخاطبین ( a ) و سرعت محاسبات ( b ).

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید