May, 2024
区块链上的健康数据安全：差分隐私和联邦学习框架
Securing Health Data on the Blockchain: A Differential Privacy and Federated Learning Framework
Daniel Commey, Sena Hounsinou, Garth V. Crosby
TL;DR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。