科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着医疗大数据的发展，医疗数据安全、个人隐私保护的问题也日益突出。为高效利用各个医疗机构医疗数据的同时又能保护病人的隐私，提出了一种联邦学习与区块链相结合的医疗数据共享与隐私保护方案，首先通过联邦学习对多源医疗数据进行建模，将训练的模型参数和医疗机构的声誉值存储于区块链上，并利用区块链对贡献高质量数据的医院进行奖励。然后，通过分析数据源质量对联邦学习算法性能的影响，提出了一种基于双重主观逻辑模型的声誉值计算方法来改进联邦学习的精确度，以保证在数据共享中高效筛选数据源，提高共享效率和实现隐私保护。最后，利用Tensorflow搭建分布式平台对算法性能进行了对比分析，结果显示所提算法能够筛选出高质量的数据源并提高联邦学习训练的精确度。
-
单位南京邮电大学; 通信与信息工程学院
