Santhosh Parampottupadam

研究发现：放射科报告中的联邦学习带来重大的隐私风险

一项发表在arXiv上的新研究评估了在放射科报告背景下联邦学习（FL）相关的隐私风险。研究人员发现，即使使用更大的批次大小和像GPT-2、RadBERT和LLaMA-2这样的领域特定令牌生成器，也可以从模型更新中重建这些报告中的敏感信息。研究表明，令牌生成器的设计显著影响数据泄露的严重程度，这表明像安全聚合和差分隐私这样的保护措施对于满足HIPAA和GDPR等放射科自然语言处理（NLP）的监管要求至关重要。