面向医疗应用的联邦学习安全可信网络架构
人工智能
2024-04-19 v1 分布式、并行与集群计算
摘要
联邦学习(FL)已成为隐私保护机器学习的有前景方法，尤其是在敏感领域如医疗保健领域。本文介绍了TRUSTroke项目的FL网络基础设施概述。该方案采用的客户端-服务器模型，包含一个中心参数服务器(PS)。我们引入基于Docker的客户端节点设计，为临床环境中实现FL过程提供了灵活解决方案。分析了不同通信协议(HTTP或MQTT)对FL网络运行的影响，并选用MQTT因其在FL场景下的适用性。还提出了支持FL过程所需主要操作的控制平面。本文以分析FL架构的安全方面为结尾，探讨潜在威胁并提出增加可信度水平的缓解策略。
引用
@article{arxiv.2404.11698,
title = {A Secure and Trustworthy Network Architecture for Federated Learning Healthcare Applications},
author = {Antonio Boiano and Marco Di Gennaro and Luca Barbieri and Michele Carminati and Monica Nicoli and Alessandro Redondi and Stefano Savazzi and Albert Sund Aillet and Diogo Reis Santos and Luigi Serio},
journal= {arXiv preprint arXiv:2404.11698},
year = {2024}
}