协作药物发现：推理层面的数据保护视角
密码学与安全
2022-06-10 v2 机器学习
摘要
制药行业可以通过协作机器学习平台更好地利用其数据资产来实现药物发现的虚拟化。另一方面，参与方训练数据非预期泄露所带来的风险不可忽略，因此此类平台必须具备安全性与隐私保护性。本文描述了一种针对药物发现临床前阶段中协作建模的隐私风险评估，以加速有前景的药物候选物的筛选。在简要梳理最先进推理攻击的分类后，我们采用并针对底层场景定制了若干攻击方法。最后，我们描述并实验了若干相关的隐私保护技术以缓解此类攻击。
引用
@article{arxiv.2205.06506,
title = {Collaborative Drug Discovery: Inference-level Data Protection Perspective},
author = {Balazs Pejo and Mina Remeli and Adam Arany and Mathieu Galtier and Gergely Acs},
journal= {arXiv preprint arXiv:2205.06506},
year = {2022}
}