面向医疗物联网的联邦过滤框架
网络与互联网体系结构
2022-02-03 v1
摘要
基于主导范式，医疗保健部门使用的所有可穿戴 IoT 设备（也称为医疗物联网（IoMT））在功率和计算能力方面都受到资源限制。IoMT 设备不断将其读数推送到远程云服务器以进行实时数据分析，这导致设备电池消耗更快。此外，持续集中数据的其他缺点包括隐私暴露和高延迟。本文提出了一种用于 IoMT 设备的新型联邦过滤框架，该框架基于使用本地 IoMT 设备提供的共享模型在中央雾服务器上预测数据。雾服务器执行模型平均以预测聚合数据矩阵，并计算本地 IoMT 设备的过滤参数。本文的两个重要理论贡献是全局可容忍扰动误差（）和局部过滤参数（）；前者控制由于特征值扰动引起的决策精度，后者在雾服务器上平衡聚合数据矩阵（预测矩阵）的通信开销和扰动误差之间的权衡。基于真实医疗保健数据的实验评估表明，所提出的方案在保持合理的数据隐私和低延迟的同时，节省了高达 95% 的通信成本。
引用
@article{arxiv.1905.01138,
title = {A Federated Filtering Framework for Internet of Medical Things},
author = {Sunny Sanyal and Dapeng Wu and Boubakr Nour},
journal= {arXiv preprint arXiv:1905.01138},
year = {2022}
}
备注
6 pages, 6 Figures, accepted for oral presentation in IEEE ICC 2019, Internet of Things, Federated Learning and Perturbation theory