Jul, 2023

基于区块链的医疗元宇宙联邦学习：以用户为中心的激励机制与最佳数据新鲜度

PDF
TL;DR为了解决构建医疗元宇宙面临的关键挑战，本文设计了一个以用户为中心的隐私保护框架，基于去中心化的联邦学习用于医疗元宇宙。此框架通过跨链架构提供分布式、隐私保护和安全的数据训练，并利用信息时代和期望理论构建数据时效度量和激励机制，以提供更好的医疗元宇宙服务。
healthcare metaversesprivacy-preserving frameworkdecentralized federated learningsensing data securityage of information
发现论文，激发创造
  • 医疗元宇宙联合学习：概念，应用，挑战和未来发展的综述

    本文介绍了联邦学习在元宇宙医疗保健领域中的应用，包括医疗诊断、患者监测、医学教育、传染病和药物发现等方面，强调了联邦学习在提升隐私性、可扩展性、互操作性、数据管理、安全性及低延迟医疗服务等方面的重要优点和挑战。

    Apr, 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

  • 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

    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。

    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

  • 智能医疗领域的联邦学习：一项调研

    本综述介绍 FL 在智能医疗中的应用，包括资源感知型 FL，安全和隐私意识型 FL，激励型 FL 和个性化 FL，重点关注 FL 在健康数据管理，远程健康监测，医学成像和 COVID-19 检测方面的新领域，分析了几个最近基于 FL 的智能医疗项目，并讨论了未来研究方向和挑战。

    Nov, 2021

  • 元宇宙中的联邦学习：综述

    本文介绍了基于联邦学习的元宇宙研究，探讨了数据隐私保护、计算效率、边缘计算和区块链等方面对元宇宙发展的重要性，并对联邦学习在元宇宙中的应用和前景进行了探讨。

    Mar, 2023

  • 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

  • 边缘计算中联邦学习与区块链的结合：机遇与挑战

    本文评估了 FLchain 在 MEC 网络中的机会，提出了几个主要问题，包括通信成本、资源配置、激励机制、安全和隐私保护。 我们介绍了 FLchain 设计的关键解决方案，并探讨了在流行的 MEC 领域中应用 FLchain 的应用。 同时，本文也指出了重要的研究挑战和未来方向。

    Apr, 2021

  • VeryFL: 一种嵌入区块链的可验证联邦学习框架

    我们设计并开发了一个嵌入以太坊网络的基于区块链的联邦学习框架，该框架提出了一种 FL 与区块链结合的代码实践范例，并且与普通的 FL 训练任务兼容。此外，我们还提出了基于区块链的模型所有权认证架构和模型水印技术来保护模型的知识产权。这些机制在区块链上为联邦学习提供了可验证的训练、聚合和激励分配过程，并将此框架命名为 VeryFL（嵌入区块链的验证联邦学习框架）。

    Nov, 2023