面向临床数据的隐私保护分布式深度学习
机器学习
2018-12-05 v1 机器学习
摘要
使用医疗数据的深度学习通常所需样本量大于单一机构所能提供。尽管机构间数据共享对于训练更精确和复杂的模型是可取的，但由于数据的敏感性，这可能导致严重的隐私问题。该问题已推动若干关于无需直接共享训练数据的神经网络分布式训练研究。然而，简单分布式训练不提供可证明的隐私保障以满足技术安全标准，并可能泄露 underlying 患者信息。我们提出一种在差分隐私下以分布式方式训练临床数据神经网络的方法。我们在包含两个独立站点信息的数据集(eICU协作研究数据库与The Cancer Genome Atlas)上演示这些方法。
引用
@article{arxiv.1812.01484,
title = {Privacy-Preserving Distributed Deep Learning for Clinical Data},
author = {Brett K. Beaulieu-Jones and William Yuan and Samuel G. Finlayson and Zhiwei Steven Wu},
journal= {arXiv preprint arXiv:1812.01484},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216