論文の概要: A Multiparty Homomorphic Encryption Approach to Confidential Federated Kaplan Meier Survival Analysis

• arxiv url: http://arxiv.org/abs/2412.20495v1
• Date: Sun, 29 Dec 2024 15:17:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-31 16:07:53.298613
• Title: A Multiparty Homomorphic Encryption Approach to Confidential Federated Kaplan Meier Survival Analysis
• Title（参考訳）: 多人数同型暗号化手法による秘密化Kaplan Meierサバイバル分析
• Authors: Narasimha Raghavan Veeraragavan, Svetlana Boudko, Jan Franz Nygård,
• Abstract要約: 私たちはaを提案します。 マルチパーティの同型暗号化ベースのフレームワーク。 プライバシー保護連合カプラン-マイエサバイバル分析 我々のフレームワークは、暗号化されたサバイバル推定を、公式なユーティリティーロス境界によって支持された集中的な結果と密接に一致させることを保証する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The proliferation of healthcare data has expanded opportunities for collaborative research, yet stringent privacy regulations hinder pooling sensitive patient records. We propose a \emph{multiparty homomorphic encryption-based} framework for \emph{privacy-preserving federated Kaplan--Meier survival analysis}, offering native floating-point support, a theoretical model, and explicit reconstruction-attack mitigation. Compared to prior work, our framework ensures encrypted federated survival estimates closely match centralized outcomes, supported by formal utility-loss bounds that demonstrate convergence as aggregation and decryption noise diminish. Extensive experiments on the NCCTG Lung Cancer and synthetic Breast Cancer datasets confirm low \emph{mean absolute error (MAE)} and \emph{root mean squared error (RMSE)}, indicating negligible deviations between encrypted and non-encrypted survival curves. Log-rank and numerical accuracy tests reveal \emph{no significant difference} between federated encrypted and non-encrypted analyses, preserving statistical validity. A reconstruction-attack evaluation shows smaller federations (2--3 providers) with overlapping data between the institutions are vulnerable, a challenge mitigated by multiparty encryption. Larger federations (5--50 sites) degrade reconstruction accuracy further, with encryption improving confidentiality. Despite an 8--19$\times$ computational overhead, threshold-based homomorphic encryption is \emph{feasible for moderate-scale deployments}, balancing security and runtime. By providing robust privacy guarantees alongside high-fidelity survival estimates, our framework advances the state-of-the art in secure multi-institutional survival analysis.
• Abstract（参考訳）: 医療データの拡散は、共同研究の機会を拡大してきたが、プライバシーの厳しい規制は、機密性の高い患者の記録のプールを妨げている。 本稿では, ネイティブ浮動小数点支援, 理論的モデル, 明示的な再構成・攻撃緩和を提供する, フェデレーション付きKaplan-Meierサバイバル分析のための 'emph{multiparty homomorphic encryption-based} フレームワークを提案する。 従来の研究と比較すると,本フレームワークは,集約や復号化ノイズの減少として収束を示す形式的なユーティリティーロス境界によって支持された,集中的な結果と密接に一致した,暗号化されたフェデレーションサバイバル推定を保証する。 NCCTG肺がんおよび合成乳癌データセットの広範囲にわたる実験により、暗号化された生存曲線と非暗号化された生存曲線の間には無視できないずれが示され、低い \emph{mean absolute error (MAE) と \emph{root mean squared error (RMSE) が確認された。 ログランクおよび数値精度テストでは、フェデレートされた暗号化分析と非暗号化分析の間に有意差が見られ、統計的妥当性が保たれる。 再構成攻撃評価では、複数の機関間で重複するデータを持つ小さなフェデレーション(2--3プロバイダ)が脆弱であり、マルチパーティ暗号化によって緩和される課題である。大規模なフェデレーション(5-50サイト)は、復元精度をさらに低下させ、暗号化の機密性を改善している。 8--19$\times$計算オーバーヘッドにもかかわらず、しきい値ベースの同型暗号化は、セキュリティとランタイムのバランスを保ちながら、適度なスケールのデプロイメントを可能にする。 高忠実度生存推定と共に堅牢なプライバシー保証を提供することにより、我々のフレームワークは、セキュアな多施設生存分析において最先端の技術を前進させる。

関連論文リスト

• QuanCrypt-FL: Quantized Homomorphic Encryption with Pruning for Secure Federated Learning [0.48342038441006796]
  我々は,攻撃に対する防御を強化するために,低ビット量子化とプルーニング技術を組み合わせた新しいアルゴリズムQuanCrypt-FLを提案する。 我々は、MNIST、CIFAR-10、CIFAR-100データセットに対するアプローチを検証し、最先端手法と比較して優れた性能を示す。 QuanCrypt-FLは、最大9倍高速暗号化、16倍高速復号化、1.5倍高速推論を実現し、トレーニング時間を最大3倍短縮する。
  論文  参考訳（メタデータ） (2024-11-08T01:46:00Z)
• Certifiably Byzantine-Robust Federated Conformal Prediction [49.23374238798428]
  本稿では,悪意のあるクライアントに対する堅牢な共形予測を行う新しいフレームワークRob-FCPを提案する。 我々は、さまざまなビザンチン攻撃の下で、悪意のあるクライアントの多様な割合に対するRob-FCPの堅牢性を実証的に実証した。
  論文  参考訳（メタデータ） (2024-06-04T04:43:30Z)
• TernaryVote: Differentially Private, Communication Efficient, and Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
  本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。 提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
  論文  参考訳（メタデータ） (2024-02-16T16:41:14Z)
• Coding-Based Hybrid Post-Quantum Cryptosystem for Non-Uniform Information [53.85237314348328]
  我々は、新しいハイブリッドユニバーサルネットワーク符号化暗号(NU-HUNCC)を導入する。 NU-HUNCCは,リンクのサブセットにアクセス可能な盗聴者に対して,個別に情報理論的に保護されていることを示す。
  論文  参考訳（メタデータ） (2024-02-13T12:12:39Z)
• Perfectly Secure Steganography Using Minimum Entropy Coupling [60.154855689780796]
  カチン1998のステガノグラフィー情報理論モデルでは, ステガノグラフィーの術式は完全に安全であることが示されている。 また, 完全セキュアな手順の中で, 最小エントロピー結合によって誘導される場合に限, 情報スループットが最大になることを示す。
  論文  参考訳（メタデータ） (2022-10-24T17:40:07Z)
• Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
  垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。 我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
  論文  参考訳（メタデータ） (2022-07-19T05:47:30Z)
• Improved Certified Defenses against Data Poisoning with (Deterministic) Finite Aggregation [122.83280749890078]
  本報告では, 一般中毒に対する予防的対策として, フィニット・アグリゲーション(Finite Aggregation)を提案する。 トレーニングセットを直接非結合部分集合に分割するDPAとは対照的に、我々の方法はまず、トレーニングセットをより小さな非結合部分集合に分割する。 我々は、決定論的および集約的認証された防御設計をブリッジして、我々の方法の代替的な見解を提供する。
  論文  参考訳（メタデータ） (2022-02-05T20:08:58Z)
• Secure Neuroimaging Analysis using Federated Learning with Homomorphic Encryption [14.269757725951882]
  フェデレートラーニング(FL)は、異なるリモートデータソース上の機械学習モデルの分散計算を可能にする。 最近のメンバーシップ攻撃は、モデルパラメータや要約統計が中央サイトと共有されているときに、個人的または機密性の高い個人情報が漏洩したり、推測されることがあることを示している。 完全同相暗号(FHE)を用いたセキュアFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-07T12:15:52Z)
• Security and Privacy Enhanced Gait Authentication with Random Representation Learning and Digital Lockers [3.3549957463189095]
  慣性センサーによってキャプチャされた歩行データは、ユーザ認証において有望な結果を示している。 既存のほとんどのアプローチでは、登録された歩行パターンをパターンと一致させるために安全に保存しているため、重要なセキュリティとプライバシの問題が発生している。 本稿では,歩行データからユーザ認証のためのランダムキーを生成するゲイト暗号システムを提案する。
  論文  参考訳（メタデータ） (2021-08-05T06:34:42Z)

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。