English(EN) Secure Aggregation for Privacy-Preserving Federated Learning on Clinical EEG Data

新框架增强了脑电图数据联邦学习的隐私性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-31 04:00

研究人员开发了一种专门用于临床脑电图数据的、新的隐私保护联邦学习框架。该框架利用安全聚合技术，结合了基于图的通信和秘密共享，以保护单个模型更新不被泄露。它被设计成即使在存在恶意行为者的情况下也能运行，并包括用于记录链接和可验证性的可选模块，所有这些都在Flower联邦学习框架内实现。 AI

影响增强了联邦学习场景中敏感临床数据的隐私保证。

排序理由详细介绍联邦学习隐私新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Pouya Rajabi, Mohsen Toorani · 2026-07-31 04:00

用于临床脑电图数据隐私保护联邦学习的安全聚合

arXiv:2607.28191v1 Announce Type: cross Abstract: Federated learning enables multiple institutions to train shared models without exchanging raw clinical EEG data, but it does not fully prevent privacy leakage from individual model updates. This paper presents a privacy-preservin…