文献

J-GLOBAL ID：202102217544275819   整理番号：21A3312252

同型再暗号化による医療診断におけるプライバシー保護連合学習【JST・京大機械翻訳】

Privacy-Preserving federated learning in medical diagnosis with homomorphic re-Encryption

著者 (8件)： Ku Hanchao (School of Computers, Hubei University of Technology, Wuhan 430068, China) ,  Susilo Willy (School of Computers, Hubei University of Technology, Wuhan 430068, China) ,  Susilo Willy (School of Computing and Information Technology, University of Wollongong, Wollongong, USW 2522, Australia) ,  Zhang Yudi (School of Computers, Hubei University of Technology, Wuhan 430068, China) ,  Zhang Yudi (School of Computing and Information Technology, University of Wollongong, Wollongong, USW 2522, Australia) ,  Liu Wenfen (School of Computer Science and Information Security, Guilin University of Electronic Technology, Guilin 541004, China) ,  Zhang Mingwu (School of Computers, Hubei University of Technology, Wuhan 430068, China) ,  Zhang Mingwu (School of Computer Science and Information Security, Guilin University of Electronic Technology, Guilin 541004, China)
資料名： Computer Standards & Interfaces  (Computer Standards & Interfaces)
巻： 80  ページ： Null  発行年： 2022年 
JST資料番号： H0892A  ISSN： 0920-5489  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 従来の集中機械学習とは異なり,分散機械学習は,より効率的で有用な応用シナリオを提供する。しかしながら,分散学習は,いくつかのセキュリティ要求を満たすことができない。例えば,医療と診断において,医療データを訓練するとき,個人データを記録するためにIoT装置を使用する人々の数が増加しており,ユーザは訓練者に彼らの個人データを明らかにするのではない。データを確実に収集し訓練する方法は,解決すべき主要な問題になった。学習は,訓練のために大量の散乱データを結合して,ユーザデータを保護することができる。一般的分散学習と比較して,連合学習は散乱データの訓練により適している。本論文では,ホモモルフィック再暗号化の暗号プリミティブに基づくプライバシー保護連合学習方式を提案し,それは,バッチ勾配降下(BGD)を通して,ホモモルフィック再暗号化と列車ユーザデータを通してユーザデータを保護できる。この方式では,ユーザデータを暗号化しアップロードするIoTデバイス,ユーザデータを収集するための霧ノード,およびデータ集約と再暗号化を完了するサーバを使用する。そのうえ,セキュリティ解析と実験結果は,著者らの方式がユーザデータと局所モデルを保存する間,モデル訓練を完了できることを示した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 散乱 ,  暗号 ,  安全解析 ,  セキュリティ ,  *機械学習
準シソーラス用語： アップロード ,  *プライバシー保護 ,  トレーナ ,  データ集約 ,  分散学習 ,  モノのインターネット ,  顧客データ , 【Automatic Indexing@JST】

著者キーワード (4件)： プライバシー保護 ,  連合学習 ,  勾配降下 ,  準同形再暗号化

分類 (2件)： データ保護  (JD01020V) ,  符号理論  (ND02030R)

タイトルに関連する用語 (4件)： 暗号化 ,  医療診断 ,  プライバシー ,  学習