iGRAIL:基于区块链的生成式联邦学习框架用于可信医疗智能
作者在预印本中提出 iGRAIL,一个结合本地生成式学习、差分隐私与区块链验证的联邦学习框架,用于跨机构医疗数据协作。在四个医疗数据集上的评估显示,两个大型糖尿病数据集上 iGRAIL 较最优 FL 或 BC-FL 基线准确率提升约 5.4-5.6%、F1 提升 14.6-16.9%、MCC 提升 16.0-18.1%;增强差分隐私使癌症与糖尿病数据集的隐私损失参数 ε 分别降低约 72.5% 和 87.5%,预测性能损失有限,但带来额外计算开销。该材料为预印本,尚未经同行评审。