PrivacyUmbrella

Abstract

Der Abschlussbericht des Projekts PrivacyUmbrella beschreibt die Entwicklung einer datenschutzfreundlichen Architektur zur Erfassung und Verarbeitung biometrischer Zeitreihendaten aus Wearable-Sensoren. Das System kombiniert Anonymisierung auf Wearable-, Mobile-App- und Backend-Ebene und nutzt Methoden wie k-Anonymität, föderiertes Lernen und lokale differentielle Privatsphäre. Die entwickelte Architektur ermöglicht eine datenschutzkonforme Nutzung biometrischer Daten für medizinische Forschung und KI-basierte Analysen. The PrivacyUmbrella project presents a privacy-preserving architecture for the acquisition and processing of biometric time-series data collected from wearable sensors. The proposed system integrates anonymization mechanisms across three layers—wearable devices, mobile applications, and backend infrastructure—to ensure privacy protection throughout the entire data processing pipeline. The architecture employs advanced privacy-enhancing technologies, including k-anonymity, federated learning, and local differential privacy, to protect sensitive biometric information while maintaining data utility. By enabling privacy-compliant handling of high-frequency physiological signals, the system supports secure data sharing and analysis for medical research and artificial intelligence–based applications.