DP-PMA

新框架使用联邦扩散模型合成私有医疗数据

研究人员开发了FedDP-PALD，一个用于在保护患者隐私的同时合成医疗数据的新框架。该系统利用联邦学习和潜在扩散模型，在不共享原始患者信息的情况下跨多个机构训练诊断模型。一个关键组件，差分隐私原型混合聚合（DP-PMA），通过裁剪和向类别级潜在原型添加噪声来确保隐私。在ChestMNIST等数据集上的评估表明，FedDP-PALD可以生成与真实数据训练性能接近的合成数据，同时显著降低成员推断攻击的风险。