Apr, 2023

FedBlockHealth：联邦学习与区块链的协同应用，增强 IoT 医疗保健数据隐私与安全

PDF
TL;DR本文提出一种新型的混合方法，将联邦学习和区块链技术相结合，为物联网医疗应用提供安全的隐私保护解决方案，保护数据隐私，保证计算效率，同时保持数据完整性和访问控制。
internet of thingshealthcarefederated learningblockchaindata privacy
发现论文，激发创造
  • 边缘计算下的物联网联邦区块链学习

    本文提出了一个分布式联邦学习框架，使用区块链实现去中心化方案，将云端架构转移到边缘，实现 IoT 设备上的神经网络训练，解决医疗数据隐私和医疗设备缺乏数据的问题，同时实现网络模型的分布式训练。

    Apr, 2023

  • 基于区块链的可信隐私保护分层集成和联邦学习在医疗保健 4.0 中的应用

    本研究提出一种基于多方计算的安全集成联邦学习与区块链的方法，使异构模型能够在保护用户隐私的前提下协同学习医疗机构的数据，并利用区块链的属性实现数据完整性和审计控制能力。

    May, 2023

  • 区块链上的健康数据安全：差分隐私和联邦学习框架

    提出一种框架来增强基于区块链的物联网（BIoT）系统在医疗保健领域中的隐私保护，通过集成差分隐私（DP）和联邦学习（FL）来保护物联网节点收集的敏感健康数据，并利用动态个性化和自适应噪声分布策略平衡隐私和数据效用，同时通过区块链技术确保模型更新的安全透明聚合和存储，实验证明该框架在各种攻击场景下具有强大的隐私保证，并在健康分析任务中保持高准确性，平均每轮联邦学习花费 6 秒左右的交易延迟，注重性能和可行性。

    May, 2024

  • 面向物联网的协作机器学习的区块链解决方案

    本文提出了一种将增量学习矢量量化算法（XuILVQ）与以太坊区块链技术结合，以促进分布式环境中的安全高效数据共享、模型训练和原型存储的新型物联网解决方案。通过一系列实验评估我们的系统性能，展示了其在物联网环境中提高机器学习任务准确性和效率的潜力。

    Nov, 2023

  • 基于区块链的联邦学习和数据隐私调查

    本文探讨了基于区块链技术进行联邦学习的安全数据共享平台的性能和安全性，系统地回顾了现有的研究。结论是目前该领域仍有许多值得探究的问题和研究方向。

    Jun, 2023

  • 区块链联邦学习在物联网中的应用：一项综合调查

    本文全面评估了基于区块链和联邦学习的 Blockchained Federated Learning (BlockFL)，并在四个物联网应用场景中比较了现有 BlockFL 模型的安全性、隐私性、可靠性、效率和数据异构性等特征，结果表明去中心化和透明度使 BlockFL 成为分布式模型训练的安全有效解决方案，但其额外成本和兼容性仍需要进一步研究。

    May, 2023

  • 区块链增强的机器遗忘的联邦学习：一种可信赖的方法

    整合区块链技术和联邦学习以应对隐私合规和用户数据删除请求的需求，该研究论文探讨了传统遗忘方法的不足之处，并介绍了一种将区块链与联邦学习融合的框架，以确保遗忘请求和行动的不可变记录，并提升数据安全性和隐私保护，以及优化数据管理以保证物联网环境中的系统响应能力。

    May, 2024

  • 基于区块链的联邦学习框架在车联网中的系统性文献综述

    本研究阐述了区块链加密联邦学习方案在保护车联网数据隐私方面的应用和实现，同时提出相应的解决方案和未来研究方向。

    Mar, 2022

  • 基于区块链的保护隐私的物联网设备联邦学习

    本论文设计了一个基于声誉机制的联邦学习系统，使用区块链和差分隐私等技术保护用户隐私和数据，帮助家电制造商训练机器学习模型以预测用户行为并改善产品和服务。

    Jun, 2019

  • 区块链驱动的车联网联邦学习方法

    这项研究提出了一种结合联邦学习和区块链的实用方法，用于构建一个分散化的车辆网络，以解决互联车辆系统中的数据隐私和安全问题，并展示了相比常规的分散化联邦学习技术，该方法在车辆网络的性能和安全性方面显著提升。

    Nov, 2023