基于联邦学习的医疗数据隐私保护效果实验研究

陶 正轩
公安部第三研究所

摘要


针对医疗数据隐私保护问题，构建基于联邦学习（Federated Learning）的实验框架，设计多源医疗数据集，
选用联邦平均算法搭建模型架构，集成同态加密、差分隐私等技术。通过分析模型参数传输量、隐私保护技术有效
性、训练时间与资源消耗及模型稳定性，验证联邦学习在减少数据集中隐私风险、抵御攻击、适应多场景及平衡性
能与隐私保护方面的作用，为医疗数据隐私保护提供实验依据。

关键词


联邦学习；医疗数据；隐私保护；实验研究；数据安全

全文:

PDF


参考


[1]王伟力.基于联邦学习的数据安全共享与隐私保护

机制研究[J].网络安全和信息化，2025，（06）：154-156.

[2]赖成喆，张蕊芝.基于ElGamal的联邦学习医疗数

据隐私保护方案[J].西安邮电大学学报，2024，29（06）：

57-64.

[3]刘振涛，李涵，吴浪，等.基于联邦学习的医疗

数据共享与隐私保护[J].计算机工程与设计，2024，45

（09）：2577-2583.

[4]左绍君.医疗数据的隐私保护联邦学习[D].青海

大学，2024.

[5]邢崇博.基于区块链和联邦学习的医疗隐私数据

共享方案研究[D].河北大学，2024.


Refbacks

  • 当前没有refback。