抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
電子装置と通信インフラストラクチャの最近の進歩は,IoMTデバイスを用いることにより,従来のヘルスケアシステムをスマートヘルスケアシステムに革命した。しかしながら,人工知能(AI)の集中訓練アプローチにより,モバイルおよびウェアラブルIoMTデバイスの使用は,病院とエンドユーザの間で通信された情報に関してプライバシー懸念を提起する。IoMT装置によって伝えられた情報は,高度に秘密であり,敵対者に曝露される。この点に関して,分配された学習(FL),分配的なAIパラダイムは,参加者の秘密データにアクセスすることなく,IoMTにおけるプライバシー保護のための新しい機会を開いた。さらに,FLは,訓練中に勾配が共有されるので,エンドユーザにプライバシーを提供する。FLのこれらの特定の特性のために,本論文では,IoMTにおけるプライバシー関連問題を提示した。その後,プライバシー保護のためのIoMTネットワークにおけるFLの役割を提示し,プライバシー脅威を検出するための深層強化学習(DRL),ディジタルツイン,および生成敵対ネットワーク(GAN)を組み込んだいくつかの先進的FLアーキテクチャを紹介した。続いて,スマートヘルスケアシステムにおけるFLのいくつかの実用的機会を提示した。最後に,将来のスマートヘルスケアシステムに使用できるFLに対する公開研究課題を提供することによって,この調査を結論づける。【JST・京大機械翻訳】