Kurz gesagt
Mit HRV-abgeleiteten Informationen erreichte die Verknüpfung zweier Abschnitte derselben Aufzeichnung unter 202 Kandidaten 30,7 % auf Rang eins und 55,4 % unter den ersten fünf. Bei zufälliger Auswahl wären es etwa 0,5 % und 2,5 %. Diese nicht begutachtete Analyse fand am selben Tag, mit demselben Gerät und derselben Haltung in einer geschlossenen Kandidatenmenge statt. Sie belegt weder eine Identitätsprüfung über Tage oder Geräte noch eine Authentifizierung, die unbekannte Personen zurückweisen kann.
Die wichtigsten Punkte
- Bei 202 Personen eines öffentlichen Datensatzes wurden zwei Abschnitte derselben Aufzeichnung anhand HRV-abgeleiteter Informationen verknüpft
- Rang eins 30,7 % (Zufall 0,5 %); erste fünf 55,4 % (Zufall 2,5 %)
- Permutationstest gegen eine festgelegte Zufallslabel-Nullhypothese: p≤0,00005
- Aber es ist innerhalb einer Sitzung; Stabilität über Tage, Geräte oder Wach und Schlaf wurde nicht gezeigt
- Es ist keine Bewertung der Apple Watch und kein Maß für Authentifizierungsleistung
Warum wir es geprüft haben
HRV fasst Schwankungen der Abstände zwischen Herzschlägen auf verschiedene Weise zusammen. Sie wird durch Haltung, Atmung, Alter und Messbedingungen beeinflusst, kann aber auch wiederkehrende individuelle Muster oder gemeinsame Merkmale einer Aufzeichnung enthalten.
Für eine Gesundheits-App ist wichtig, in welchem Maß sich zwei Datensätze verknüpfen lassen, wenn Risiken von Speicherung, Export und Weitergabe bewertet werden.
Wie gemessen wurde
Öffentliche Daten nutzen
Aus PhysioNets Datensatz Autonomic Aging nutzten wir die bereits festgelegten 211 Personen des Validierungsteils. 202 erfüllten die Bedingungen.
Getrennte Abschnitte jeder Aufzeichnung verwenden
Getrennte, nicht überlappende Abschnitte derselben Aufzeichnung dienten als Referenz- und Abfragedaten. Die genauen Regeln zur Abschnittsbildung sind nicht veröffentlicht.
HRV-abgeleitete Informationen vergleichen
Ein Forschungsverfahren verglich HRV-abgeleitete Informationen. Merkmalsgestaltung, Vorverarbeitung und Ähnlichkeitsberechnung sind nicht veröffentlicht.
Gegen den Zufall stellen
Zufälliges Ziehen aus 202 ergibt 0,5 % auf Rang eins. Daran wird die gemessene Trefferquote gemessen.
Ergebnisse
- Rang eins: 62/202 = 30,7 % (95 %-KI 24,7–37,4 %; Zufall 0,495 %)
- Erste fünf: 112/202 = 55,4 % (95 %-KI 48,6–62,1 %; Zufall 2,48 %)
- Permutationstest (20.000 Wiederholungen): p < 0,0001
- Bei umgekehrter Vergleichsrichtung in einer Sensitivitätsanalyse: Rang eins 34,2 %, erste fünf 55,9 %
Was dieses Ergebnis nicht bedeutet
Nur als Zahlen gelesen, klingt das nach „HRV kann Identität prüfen“. Das zeigt der Versuch nicht. Seine Grenzen müssen klar genannt werden.
- Registrierung und Abfrage stammen aus derselben Sitzung — gleicher Tag, gleiches Gerät, gleiche Haltung
- Die Kandidatenmenge ist auf 202 geschlossen; die Fähigkeit, eine unbekannte Person abzuweisen, wurde nicht gemessen
- Stabilität über Tage, Geräte oder Wach und Schlaf wurde überhaupt nicht gezeigt
- Sitzungs-, Sensor- oder Verarbeitungsartefakte einer Aufzeichnung können zur Verknüpfung beitragen
- Es ist keine Bewertung der Apple Watch. Verwendet wurde klinisches EKG
Wie sich das in Feelmo zeigt
Wegen dieses Ergebnisses hält Feelmo aus HRV abgeleitete Daten und Werte grundsätzlich auf dem Gerät, ohne automatischen Upload an Server des Anbieters. Erst wenn du einen Export oder eine Freigabe startest, geht der gewählte Inhalt dorthin, wohin du ihn schickst.
Diese Analyse entscheidet nicht über den rechtlichen Status der Daten. Sie zeigt aber, dass eine Aufzeichnung innerhalb derselben Sitzung Hinweise behalten kann, die zwei Abschnitte leichter verknüpfbar machen. Deshalb wählen wir ein vorsichtiges Design.
Daten und Transparenz
Aggregierte Ergebnisse, Unsicherheitsintervalle, Sensitivitätsbefunde und die oben genannten Grenzen sind als JSON veröffentlicht.
Personenbezogene Informationen sowie konkrete Merkmalsgestaltung, Vorverarbeitung und Vergleichsberechnung sind nicht veröffentlicht. Dass unabhängige Forschende die genaue Analyse noch nicht reproduzieren können, ist eine wichtige Grenze.