Con el rápido desarrollo del Internet de las Cosas (IoT), cada vez más dispositivos de usuario acceden a la red y generan grandes cantidades de datos genómicos. Estos datos genómicos poseen un valor médico significativo cuando se investigan. Sin embargo, el análisis genómico tradicional enfrenta desafíos de seguridad y eficiencia, incluyendo la filtración de patrones de acceso, baja eficiencia y métodos de análisis únicos. Por lo tanto, proponemos un esquema de análisis dinámico seguro y eficiente para datos genómicos dentro de un servidor asistido por Extensiones de Guardia de Software (SGX), llamado SEDASGX. Nuestro enfoque implica diseñar un marco de análisis seguro basado en SGXs e implementar varios métodos de análisis dentro del enclave. El patrón de acceso de los datos genómicos siempre está enmascarado durante el proceso de análisis y actualización, garantizando la privacidad y la seguridad. Además, nuestro esquema no solo logra una mayor eficiencia de análisis, sino que también permite la actualización dinámica de los datos genómicos. Nuestros resultados indican que el método de análisis SEDASGX es casi 2.5 veces más eficiente que los métodos no-SGX, mejorando significativamente la velocidad de análisis de datos genómicos a gran escala.