論文の概要: Blockchain Powered Edge Intelligence for U-Healthcare in Privacy Critical and Time Sensitive Environment

• arxiv url: http://arxiv.org/abs/2506.02038v1
• Date: Sat, 31 May 2025 06:58:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:34.79969
• Title: Blockchain Powered Edge Intelligence for U-Healthcare in Privacy Critical and Time Sensitive Environment
• Title（参考訳）: ブロックチェーンのエッジインテリジェンスによるプライバシクリティカルとタイムセンシティブな環境におけるUヘルスケア
• Authors: Anum Nawaz, Hafiz Humza Mahmood Ramzan, Xianjia Yu, Zhuo Zou, Tomi Westerlund,
• Abstract要約: プライバシクリティカルで時間に敏感な健康アプリケーションのための自律型コンピューティングモデルを提案する。 このシステムは、継続的監視、リアルタイムアラート通知、疾患検出、堅牢なデータ処理と集約をサポートする。 セキュアなアクセススキームは、オフチェーンとオンチェーンのデータ共有とストレージの両方を管理するために定義される。
• 参考スコア（独自算出の注目度）: 0.559239450391449
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Edge Intelligence (EI) serves as a critical enabler for privacy-preserving systems by providing AI-empowered computation and distributed caching services at the edge, thereby minimizing latency and enhancing data privacy. The integration of blockchain technology further augments EI frameworks by ensuring transactional transparency, auditability, and system-wide reliability through a decentralized network model. However, the operational architecture of such systems introduces inherent vulnerabilities, particularly due to the extensive data interactions between edge gateways (EGs) and the distributed nature of information storage during service provisioning. To address these challenges, we propose an autonomous computing model along with its interaction topologies tailored for privacy-critical and time-sensitive health applications. The system supports continuous monitoring, real-time alert notifications, disease detection, and robust data processing and aggregation. It also includes a data transaction handler and mechanisms for ensuring privacy at the EGs. Moreover, a resource-efficient one-dimensional convolutional neural network (1D-CNN) is proposed for the multiclass classification of arrhythmia, enabling accurate and real-time analysis of constrained EGs. Furthermore, a secure access scheme is defined to manage both off-chain and on-chain data sharing and storage. To validate the proposed model, comprehensive security, performance, and cost analyses are conducted, demonstrating the efficiency and reliability of the fine-grained access control scheme.
• Abstract（参考訳）: エッジインテリジェンス(EI)は、AIを活用した計算と分散キャッシュサービスをエッジで提供することにより、レイテンシの最小化とデータプライバシの向上によって、プライバシ保護システムの重要なイネーバとして機能する。 ブロックチェーンテクノロジの統合により、分散ネットワークモデルを通じて、トランザクションの透明性、監査可能性、システム全体の信頼性を保証することで、EIフレームワークをさらに強化する。 しかし、そのようなシステムの運用アーキテクチャは、特にエッジゲートウェイ(EG)間の広範なデータインタラクションと、サービス提供時の情報ストレージの分散性のために、固有の脆弱性をもたらす。 これらの課題に対処するために、プライバシークリティカルで時間に敏感な健康アプリケーションに適した相互作用トポロジとともに、自律型コンピューティングモデルを提案する。 このシステムは、継続的監視、リアルタイムアラート通知、疾患検出、堅牢なデータ処理と集約をサポートする。 また、EGのプライバシを確保するためのデータトランザクションハンドラとメカニズムも備えている。 さらに,不整脈のマルチクラス分類に資源効率の高い1次元畳み込みニューラルネットワーク (1D-CNN) を提案する。 さらに、オフチェーンとオンチェーンのデータ共有とストレージの両方を管理するために、セキュアなアクセススキームが定義される。 提案モデルを検証するため, 詳細なアクセス制御方式の有効性と信頼性を実証し, 総合的なセキュリティ, 性能, コスト分析を行った。

関連論文リスト

• Privacy-Preserving Federated Embedding Learning for Localized Retrieval-Augmented Generation [60.81109086640437]
  我々はFedE4RAG(Federated Retrieval-Augmented Generation)と呼ばれる新しいフレームワークを提案する。 FedE4RAGはクライアント側RAG検索モデルの協調トレーニングを容易にする。 モデルパラメータの保護にフェデレート学習の準同型暗号化を適用する。
  論文  参考訳（メタデータ） (2025-04-27T04:26:02Z)
• Revolutionizing Healthcare Record Management: Secure Documentation Storage and Access through Advanced Blockchain Solutions [0.0]
  この研究では、セキュリティ、スケーラビリティ、アクセシビリティを大幅に向上するために設計された、ブロックチェーンベースの新しいEHRシステムを紹介します。 提案システムは、Argon2とAESを組み合わせたハイブリッドセキュリティアルゴリズムを活用し、ハイブリッドストレージとコンセンサス機構を統合する。 MetaMask、Ganache、Truffleといった高度なブロックチェーンツールを使用して、分散ネットワークとのインタラクションを容易にする。
  論文  参考訳（メタデータ） (2025-03-02T05:39:14Z)
• Balancing Confidentiality and Transparency for Blockchain-based Process-Aware Information Systems [46.404531555921906]
  機密性と透明性の両立を目的とした,ブロックチェーンベースのPAISアーキテクチャを提案する。 スマートコントラクトは公開インタラクションを制定、強制、保存し、属性ベースの暗号化技術は機密情報へのアクセス許可を指定するために採用されている。
  論文  参考訳（メタデータ） (2024-12-07T20:18:36Z)
• ZK-DPPS: A Zero-Knowledge Decentralised Data Sharing and Processing Middleware [3.2995127573095484]
  従来のZKPを必要としないゼロ知識通信を実現するフレームワークであるZK-DPPSを提案する。 プライバシは、計算のためのFHE(Fully Homomorphic Encryption)と鍵再構成のためのSMPC(Secure Multi-Party Computations)を組み合わせることで保持される。 シミュレーションサプライチェーンシナリオによるZK-DPPSの有効性を実証した。
  論文  参考訳（メタデータ） (2024-10-21T01:23:37Z)
• Decentralized Federated Anomaly Detection in Smart Grids: A P2P Gossip Approach [0.44328715570014865]
  本稿では,ランダムウォーク(Random Walk)とエピデミック(Epidemic)という2つの主要なゴシッププロトコルに基づく分散化フェデレーション異常検出手法を提案する。 従来のフェデレートラーニングに比べて,トレーニング時間の35%が顕著に改善されている。
  論文  参考訳（メタデータ） (2024-07-20T10:45:06Z)
• A Scalable Multi-Layered Blockchain Architecture for Enhanced EHR Sharing and Drug Supply Chain Management [3.149883354098941]
  本稿では、電子健康記録の安全な共有とドラッグサプライチェーン管理のためのスケーラブルな多層ブロックチェーンアーキテクチャを提案する。 提案するフレームワークは,システムパフォーマンス,セキュリティ,患者中心のアクセス制御を強化する5つの異なるレイヤを導入している。 私たちのソリューションは、データの整合性、プライバシ、相互運用性を保証することで、既存の医療システムとの互換性を確保します。
  論文  参考訳（メタデータ） (2024-02-27T09:20:16Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Decentralized Stochastic Optimization with Inherent Privacy Protection [103.62463469366557]
  分散最適化は、現代の協調機械学習、分散推定と制御、大規模センシングの基本的な構成要素である。 データが関与して以降、分散最適化アルゴリズムの実装において、プライバシ保護がますます重要になっている。
  論文  参考訳（メタデータ） (2022-05-08T14:38:23Z)
• Privacy-preserving Traffic Flow Prediction: A Federated Learning Approach [61.64006416975458]
  本稿では,フェデレート学習に基づくGated Recurrent Unit Neural Network Algorithm (FedGRU) というプライバシ保護機械学習手法を提案する。 FedGRUは、現在の集中学習方法と異なり、安全なパラメータアグリゲーション機構を通じて、普遍的な学習モデルを更新する。 FedGRUの予測精度は、先進的なディープラーニングモデルよりも90.96%高い。
  論文  参考訳（メタデータ） (2020-03-19T13:07:49Z)

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。