論文の概要: Trustworthy Blockchain-based Federated Learning for Electronic Health Records: Securing Participant Identity with Decentralized Identifiers and Verifiable Credentials

• arxiv url: http://arxiv.org/abs/2602.02629v1
• Date: Mon, 02 Feb 2026 17:45:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:14.992321
• Title: Trustworthy Blockchain-based Federated Learning for Electronic Health Records: Securing Participant Identity with Decentralized Identifiers and Verifiable Credentials
• Title（参考訳）: 信頼できるブロックチェーンベースの電子健康記録のためのフェデレーションラーニング:分散識別子と検証可能なクレデンシャルによる参加者アイデンティティの確保
• Authors: Rodrigo Tertulino, Ricardo Almeida, Laercio Alencar,
• Abstract要約: 本稿では,SSI(Self-Sovereign Identity)標準を統合したTBFL(Trustworthy-based Federated Learning)フレームワークを提案する。 以上の結果から,Sybil攻撃の100%を中和し,高い予測性能を実現し,計算オーバーヘッドを無視できることを示した。 このアプローチは、施設間健康データコラボレーションのためのセキュアでスケーラブルで経済的に実行可能なエコシステムを提供する。
• 参考スコア（独自算出の注目度）: 0.06372261626436676
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The digitization of healthcare has generated massive volumes of Electronic Health Records (EHRs), offering unprecedented opportunities for training Artificial Intelligence (AI) models. However, stringent privacy regulations such as GDPR and HIPAA have created data silos that prevent centralized training. Federated Learning (FL) has emerged as a promising solution that enables collaborative model training without sharing raw patient data. Despite its potential, FL remains vulnerable to poisoning and Sybil attacks, in which malicious participants corrupt the global model or infiltrate the network using fake identities. While recent approaches integrate Blockchain technology for auditability, they predominantly rely on probabilistic reputation systems rather than robust cryptographic identity verification. This paper proposes a Trustworthy Blockchain-based Federated Learning (TBFL) framework integrating Self-Sovereign Identity (SSI) standards. By leveraging Decentralized Identifiers (DIDs) and Verifiable Credentials (VCs), our architecture ensures only authenticated healthcare entities contribute to the global model. Through comprehensive evaluation using the MIMIC-IV dataset, we demonstrate that anchoring trust in cryptographic identity verification rather than behavioral patterns significantly mitigates security risks while maintaining clinical utility. Our results show the framework successfully neutralizes 100% of Sybil attacks, achieves robust predictive performance (AUC = 0.954, Recall = 0.890), and introduces negligible computational overhead (<0.12%). The approach provides a secure, scalable, and economically viable ecosystem for inter-institutional health data collaboration, with total operational costs of approximately $18 for 100 training rounds across multiple institutions.
• Abstract（参考訳）: 医療のデジタル化は、人工知能(AI)モデルをトレーニングする前例のない機会を提供する電子健康記録(EHR)を大量に生み出している。 しかし、GDPRやHIPAAのような厳格なプライバシー規制は、集中的なトレーニングを防ぐデータサイロを作成している。 Federated Learning(FL)は、患者データを共有することなく、協調的なモデルトレーニングを可能にする、有望なソリューションとして登場した。 その可能性にもかかわらず、FLはいまだに毒殺やシビル攻撃に弱いままであり、悪意のある参加者がグローバルモデルを破壊したり、偽のIDを使ってネットワークに侵入したりする。 最近のアプローチでは、監査容易性のためにブロックチェーン技術を統合しているが、堅牢な暗号ID認証よりも確率的評価システムに大きく依存している。 本稿では、SSI(Self-Sovereign Identity)標準を統合した、信頼できるブロックチェーンベースのフェデレートラーニング(TBFL)フレームワークを提案する。 分散ID(DID)と検証クレデンシャル(VC)を活用することで、当社のアーキテクチャは、認証された医療機関のみがグローバルモデルに寄与することを保証します。 MIMIC-IVデータセットを用いた包括的評価により、行動パターンよりも暗号ID認証への信頼の定着が、臨床効果を維持しながらセキュリティリスクを著しく軽減することを示した。 その結果,Sybil攻撃の100%を中和し,強靭な予測性能(AUC=0.954,リコール=0.890)を実現し,無視可能な計算オーバーヘッド(0.12%)を導入した。 このアプローチは、施設間健康データコラボレーションのためのセキュアでスケーラブルで経済的に実行可能なエコシステムを提供する。

関連論文リスト

• zkFL-Health: Blockchain-Enabled Zero-Knowledge Federated Learning for Medical AI Privacy [0.0]
  zkFL-Healthは、フェデレートラーニング(FL)とゼロ知識証明(ZKP)と信頼実行環境(TEE)を組み合わせたアーキテクチャである。 クライアントはローカルにトレーニングし、アップデートをコミットする。アグリゲータはTEE内でグローバルアップデートを計算し、クライアントのアップデートをホストに公開することなく、コミットした入力と正しいアグリゲーションルールを正確に使用したという簡潔なZK証明を生成する。 医療に適したシステムと脅威モデル、zkFL-Healthプロトコル、セキュリティ/プライバシ保証、正確性、プライバシリスク、レイテンシ、コストにまたがるパフォーマンス評価計画について概説する。
  論文  参考訳（メタデータ） (2025-12-24T08:29:28Z)
• Blockchain-Enabled Explainable AI for Trusted Healthcare Systems [0.0]
  本稿では、医療システムのためのa-Integrated Explainable AI Framework(BXHF)を紹介する。 我々は、安全なデータ交換と理解可能なAIによる臨床意思決定という、健康情報ネットワークに直面する2つの課題に取り組む。 当社のアーキテクチャにはブロックチェーンが組み込まれており、患者の記録が不変で、監査可能で、安全でないことが保証されています。
  論文  参考訳（メタデータ） (2025-09-18T14:17:19Z)
• Zero-Trust Foundation Models: A New Paradigm for Secure and Collaborative Artificial Intelligence for Internet of Things [61.43014629640404]
  Zero-Trust Foundation Models (ZTFM)は、ゼロトラストセキュリティの原則をIoT(Internet of Things)システムの基盤モデル(FM)のライフサイクルに組み込む。 ZTFMは、分散、異質、潜在的に敵対的なIoT環境にわたって、セキュアでプライバシ保護のAIを可能にする。
  論文  参考訳（メタデータ） (2025-05-26T06:44:31Z)
• Trusted Compute Units: A Framework for Chained Verifiable Computations [41.94295877935867]
  本稿では,異種技術間のコンポーザブルで相互運用可能な計算を可能にする統合フレームワークであるTrusted Compute Unit(TCU)を紹介する。 オンチェーンの確認遅延やガス料金を発生させることなく、セキュアなオフチェーンインタラクションを可能にすることで、TCUはシステムパフォーマンスとスケーラビリティを大幅に改善する。
  論文  参考訳（メタデータ） (2025-04-22T09:01:55Z)
• Quantum-Inspired Privacy-Preserving Federated Learning Framework for Secure Dementia Classification [0.0]
  本稿では,認知症分類のための量子インスピレーション暗号技術とフェデレーション学習を統合した新しいフレームワークを提案する。 このフレームワークは、低所得国と中所得国でAI駆動型認知症診断へのアクセスを民主化する上で重要な意味を持つ。
  論文  参考訳（メタデータ） (2025-03-05T08:49:31Z)
• Balancing Confidentiality and Transparency for Blockchain-based Process-Aware Information Systems [43.253676241213626]
  機密性と透明性を維持するために,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。 システム的脅威モデル解析によりソリューションの安全性を評価し,その実用性を評価する。
  論文  参考訳（メタデータ） (2024-12-07T20:18:36Z)
• A Prototype Model of Zero-Trust Architecture Blockchain with EigenTrust-Based Practical Byzantine Fault Tolerance Protocol to Manage Decentralized Clinical Trials [5.565144088361576]
  本稿では,DCT手術管理における患者生成臨床試験データを統合するためのZero-Trust Architecture(z-TAB)の試作モデルを提案する。 IoT(Internet of Things)はブロックチェーンプラットフォーム内の利害関係者間でのデータ処理を合理化するために統合されている。
  論文  参考訳（メタデータ） (2024-08-29T20:18:00Z)
• 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)
• TB-ICT: A Trustworthy Blockchain-Enabled System for Indoor COVID-19 Contact Tracing [9.286934094368812]
  新型コロナウイルスのパンデミックは、接触追跡(CT)モデルへの依存を著しく高めた。 本稿では,TB-ICT(Indoor Contact Tracing)フレームワークのためのTrustworthy対応システムを提案する。 TB-ICTフレームワークは、基盤となるCTデータのプライバシーと整合性を保護するために提案されている。
  論文  参考訳（メタデータ） (2021-08-09T17:27:49Z)

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。