机构名称：
¥ 1.0
摘要 - 联合学习（FL）是一种使多方能够在不共享原始私人数据的情况下进行协作训练模型的技术，并且是智能医疗保健的理想选择。但是，由于对隐私敏感的医学数据泄漏的风险，它引起了新的隐私问题。直到最近，才引入了保护隐私的FL（PPFL）作为确保培训过程隐私的解决方案。不幸的是，大多数现有的PPFL方案高度取决于复杂的加密机制或无法保证训练模型的准确性。此外，对PPFL的付款程序的公平性很少有激励机制的研究。为了解决上述问题，我们首先构建了有效的非相互作用指定的解密功能加密（NDD-FE）方案，以保护培训数据的隐私，同时保持高通信性能。然后，我们提出了一个基于区块链的PPFL框架，并通过组合NDD-FE和精心设计的区块链，并通过公平支付医疗图像检测（即ESB-FL）。ESB-FL不仅继承了NDD-FE方案的特征，而且还确保了每个参与者的利益。我们最终进行了广泛的安全性分析和实验，以表明我们的新框架具有提高的安全性，良好的准确性和较高的效率。
ESB-FL：有效且安全的基于区块链的联合学习，并提供公平付款
主要关键词
相关文件推荐
