面向保密联合 Kaplan--Meier 生存分析的多方同态加密方法
密码学与安全
2026-04-14 v2 人工智能
机器学习
机器学习
摘要
真实世界健康数据的快速积累使得多机构存活研究成为可能，然而隐私限制阻碍了敏感记录的集中化。我们提出一种基于阈值 CKKS（Cheon-Kim-Kim-Song）同态加密的隐私保护式联合 Kaplan--Meier 框架，支持近似浮点运算和对每时点计数的加密聚合，仅暴露公共输出。各站点在共享时间网格上计算对齐的在危险人群和事件计数向量并加密后传输；协调器聚合密文；解密委员会按块产生部分共享并融合以恢复聚合明文，而不泄露每时点的表格。我们证明了正确性、稳定性及最优向量打包，并导出通信随站点数和时间点数线性增长的规模律。实验上，使用分布在 500 个站点的合成乳腺癌数据（N=60,000），加密的联合曲线与浸润的参考标准在数值精度上完全吻合。与明文协议不同，后者允许通过减法轻易重建；我们基于所述威胁模型的阈值门控设计预防了此类攻击，实现了在可预测开销下接近 oracle 精度的生存估计，显著降低隐私风险。
引用
@article{arxiv.2412.20495,
title = {A Multiparty Homomorphic Encryption Approach to Confidential Federated Kaplan Meier Survival Analysis},
author = {Narasimha Raghavan Veeraragavan and Svetlana Boudko and Jan Franz Nygård},
journal= {arXiv preprint arXiv:2412.20495},
year = {2026}
}
备注
58 pages