数字农业沙盒：面向协作研究的平台
密码学与安全
2025-11-21 v1 计算机与社会
分布式、并行与集群计算
机器学习
摘要
数字农业正在通过利用技术来提高农业的效率、可持续性和生产力。这种现代农业方法产生了大量有价值的数据，可用于解决全球粮食挑战，但农户因隐私顾虑而不愿分享数据。这限制了研究人员从数据中学习以改进农业的程度。本文提出了数字农业沙盒，一个安全的在线平台，解决了这个问题。该平台使拥有有限技术资源的农户和研究人员能够在不暴露私人信息的情况下分析农场数据。我们采用专门技术，如联邦学习、差分隐私和数据分析方法来保护数据，同时保持其研究实用性。该系统使农户能够以简化方式识别相似农户，无需广泛的技术知识或计算资源。同样，它使研究人员能够从数据中学习并构建有用的工具，而无需敏感信息离开农户系统。这为农户感到舒适地共享数据，使研究人员能够做出重要发现。我们的平台有助于在保持农场数据隐私和利用该数据解决全球粮食和农业挑战之间建立桥梁。
引用
@article{arxiv.2511.15990,
title = {Digital Agriculture Sandbox for Collaborative Research},
author = {Osama Zafar and Rosemarie Santa González and Alfonso Morales and Erman Ayday},
journal= {arXiv preprint arXiv:2511.15990},
year = {2025}
}
备注
Presents a privacy-preserving digital agriculture platform using federated learning, differential privacy, and secure data analysis to enable collaboration between farmers and researchers without exposing raw data. Demonstrates secure similarity search, model training, and risk-aware data sharing