論文の概要: FedBlockHealth: A Synergistic Approach to Privacy and Security in
IoT-Enabled Healthcare through Federated Learning and Blockchain
- arxiv url: http://arxiv.org/abs/2304.07668v1
- Date: Sun, 16 Apr 2023 01:55:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-18 17:57:13.613472
- Title: FedBlockHealth: A Synergistic Approach to Privacy and Security in
IoT-Enabled Healthcare through Federated Learning and Blockchain
- Title（参考訳）: FedBlockHealth - フェデレーションラーニングとブロックチェーンによるIoT可能なヘルスケアにおけるプライバシとセキュリティの相乗的アプローチ
- Authors: Nazar Waheed, Ateeq Ur Rehman, Anushka Nehra, Mahnoor Farooq, Nargis
Tariq, Mian Ahmad Jan, Fazlullah Khan, Abeer Z. Alalmaie, Priyadarsi Nanda
- Abstract要約: 医療におけるIoT(Internet of Things)デバイスの急速な採用は、データのプライバシ、セキュリティ、患者の安全性を維持する上で、新たな課題をもたらしている。
従来のアプローチでは、計算効率を維持しながら、セキュリティとプライバシを確保する必要がある。
本稿では,フェデレーション学習とブロックチェーン技術を組み合わせて,セキュアでプライバシ保護のソリューションを提供する,新しいハイブリッドアプローチを提案する。
- 参考スコア（独自算出の注目度）: 2.993954417409032
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid adoption of Internet of Things (IoT) devices in healthcare has
introduced new challenges in preserving data privacy, security and patient
safety. Traditional approaches need to ensure security and privacy while
maintaining computational efficiency, particularly for resource-constrained IoT
devices. This paper proposes a novel hybrid approach combining federated
learning and blockchain technology to provide a secure and privacy-preserved
solution for IoT-enabled healthcare applications. Our approach leverages a
public-key cryptosystem that provides semantic security for local model
updates, while blockchain technology ensures the integrity of these updates and
enforces access control and accountability. The federated learning process
enables a secure model aggregation without sharing sensitive patient data. We
implement and evaluate our proposed framework using EMNIST datasets,
demonstrating its effectiveness in preserving data privacy and security while
maintaining computational efficiency. The results suggest that our hybrid
approach can significantly enhance the development of secure and
privacy-preserved IoT-enabled healthcare applications, offering a promising
direction for future research in this field.
- Abstract（参考訳）: 医療におけるIoT(Internet of Things)デバイスの急速な採用は、データのプライバシ、セキュリティ、患者の安全性を維持する上で、新たな課題をもたらしている。
従来のアプローチでは、特にリソース制約のあるIoTデバイスにおいて、計算効率を維持しながら、セキュリティとプライバシを確保する必要がある。
本稿では、フェデレーション学習とブロックチェーン技術を組み合わせた新しいハイブリッドアプローチを提案し、IoT対応ヘルスケアアプリケーションにセキュアでプライバシ保護されたソリューションを提供する。
我々のアプローチは、ローカルモデルの更新にセマンティックセキュリティを提供する公開鍵暗号システムを活用する一方、ブロックチェーン技術は、これらの更新の完全性を確保し、アクセス制御と説明責任を強制する。
連合学習プロセスは、センシティブな患者データを共有することなく、安全なモデルアグリゲーションを可能にする。
我々はEMNISTデータセットを用いて提案したフレームワークの実装と評価を行い、計算効率を保ちながらデータのプライバシとセキュリティを保護する効果を実証した。
その結果、当社のハイブリッドアプローチは、セキュアでプライバシ保護されたIoT対応ヘルスケアアプリケーションの開発を著しく促進し、この分野における将来の研究に有望な方向性をもたらすことが示唆されている。
関連論文リスト
- FL-DABE-BC: A Privacy-Enhanced, Decentralized Authentication, and Secure Communication for Federated Learning Framework with Decentralized Attribute-Based Encryption and Blockchain for IoT Scenarios [0.0]
本研究は,IoT環境におけるデータプライバシとセキュリティの向上を目的とした,高度な学習(FL)フレームワークを提案する。
我々は、分散属性ベースの暗号化(DABE)、同型暗号化(HE)、セキュアマルチパーティ計算(SMPC)、技術を統合する。
従来のFLとは異なり、当社のフレームワークはIoTデバイス上で、セキュアで分散化された認証と暗号化を可能にする。
論文 参考訳（メタデータ） (2024-10-26T19:30:53Z) - Federated Learning with Blockchain-Enhanced Machine Unlearning: A Trustworthy Approach [20.74679353443655]
我々は、ブロックチェーンをフェデレートされた学習と融合させるフレームワークを導入し、未学習の要求とアクションの不変記録を確実にする。
私たちの重要なコントリビューションは、アンラーニングプロセスの認証機構、データセキュリティとプライバシの強化、データ管理の最適化などです。
論文 参考訳（メタデータ） (2024-05-27T04:35:49Z) - Decentralized Multimedia Data Sharing in IoV: A Learning-based Equilibrium of Supply and Demand [57.82021900505197]
インターネット・オブ・ビークルズ(IoV)は、道路の安全性を高め、交通渋滞を軽減し、インフォテインメントアプリケーションを通じてユーザーエクスペリエンスを向上させることにより、交通システムを変革する大きな可能性を秘めている。
分散データ共有は、セキュリティ、プライバシ、信頼性を改善し、IoVにおけるインフォテインメントデータの共有を容易にする。
市場における需給バランスを学習するための多知能強化学習に基づく分散型データ共有インセンティブ機構を提案する。
論文 参考訳（メタデータ） (2024-03-29T14:58:28Z) - Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。
フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。
本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
論文 参考訳（メタデータ） (2024-03-28T07:08:26Z) - Security and Privacy Enhancing in Blockchain-based IoT Environments via Anonym Auditing [0.0]
ブロックチェーンの分散性とIoTコンテキストに適した高度なセキュリティプロトコルを組み合わせた,新たなフレームワークを提案する。
IoT環境でのブロックチェーンのアーキテクチャを概説し、ワークフローと使用する特定のセキュリティメカニズムを強調します。
本稿では,プライバシー向上ツールと匿名監査手法を統合したセキュリティプロトコルを提案する。
論文 参考訳（メタデータ） (2024-03-03T01:09:43Z) - A Scalable Multi-Layered Blockchain Architecture for Enhanced EHR Sharing and Drug Supply Chain Management [3.149883354098941]
本稿では、革新的な電子健康記録(EHR)と医薬品サプライチェーン管理フレームワークについて述べる。
このフレームワークは5つのレイヤとトランザクションを導入し、患者の健康情報に対する包括的なアクセス制御を提供することで、患者中心の医療を優先する。
透明性とリアルタイムの薬物供給監視を提供し、意思決定者に実用的な洞察を与える。
論文 参考訳（メタデータ） (2024-02-27T09:20:16Z) - Generative AI-enabled Blockchain Networks: Fundamentals, Applications,
and Case Study [73.87110604150315]
Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。
本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
論文 参考訳（メタデータ） (2024-01-28T10:46:17Z) - The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。
本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。
新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
論文 参考訳（メタデータ） (2024-01-03T07:47:22Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳（メタデータ） (2023-07-29T12:54:03Z) - Privacy-Preserving Joint Edge Association and Power Optimization for the
Internet of Vehicles via Federated Multi-Agent Reinforcement Learning [74.53077322713548]
プライバシ保護型共同エッジアソシエーションと電力配分問題について検討する。
提案されたソリューションは、最先端のソリューションよりも高いプライバシレベルを維持しながら、魅力的なトレードオフにぶつかる。
論文 参考訳（メタデータ） (2023-01-26T10:09:23Z) - Federated Learning and Blockchain-enabled Fog-IoT Platform for Wearables
in Predictive Healthcare [6.045977607688583]
フォグIoTネットワーク内で,フェデレーション学習とプライベートブロックチェーン技術を用いたプラットフォームを提案する。
これらの技術は、ネットワーク内のデータを保護するプライバシー保護機能を備えている。
実験結果によると、導入した実装は患者のプライバシと予測サービスの整合性を効果的に維持することができる。
論文 参考訳（メタデータ） (2023-01-11T15:16:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。