公开(公告)号：CN115587381B

公开(公告)日：2023-04-07

申请号：CN202211588350.5

申请日：2022-12-12

申请人： 四川大学华西医院

发明人： 李旭 ,  李琳 ,  刘慧珍

IPC分类号： G06F21/60 ,  G06F21/62 ,  G16H50/20 ,  G06N3/04 ,  G06N3/09 ,  G06N3/098

摘要： 本发明涉及一种基于差分隐私的医疗诊断模型联合训练方法及系统，属于医疗数据隐私保护技术领域。该方法及系统基于目前医疗领域常用的深度神经网络诊断模型，利用联邦学习框架串联多个客户端对医疗诊断模型进行共同训练，避免了客户端数据的直接交换，保护了本地数据的隐私性。同时，在对模型参数进行更新时，通过差分隐私机制对模型更新进行扰动，并且利用混淆放大机制，最大限度降低了隐私扰动对模型性能的影响，保障模型良好性能的同时提供了强有力的隐私保护，使得攻击者无法通过模型的更新反推出本地训练数据。此外，该方法利用对比学习的思想解决了多个数据集非独立同分布的问题。

公开(公告)号：CN115587381A

公开(公告)日：2023-01-10

申请号：CN202211588350.5

申请日：2022-12-12

申请人： 四川大学华西医院

发明人： 李旭 ,  李琳 ,  刘慧珍

IPC分类号： G06F21/60 ,  G06F21/62 ,  G16H50/20 ,  G06N3/04 ,  G06N3/08

摘要： 本发明涉及一种基于差分隐私的医疗诊断模型联合训练方法及系统，属于医疗数据隐私保护技术领域。该方法及系统基于目前医疗领域常用的深度神经网络诊断模型，利用联邦学习框架串联多个客户端对医疗诊断模型进行共同训练，避免了客户端数据的直接交换，保护了本地数据的隐私性。同时，在对模型参数进行更新时，通过差分隐私机制对模型更新进行扰动，并且利用混淆放大机制，最大限度降低了隐私扰动对模型性能的影响，保障模型良好性能的同时提供了强有力的隐私保护，使得攻击者无法通过模型的更新反推出本地训练数据。此外，该方法利用对比学习的思想解决了多个数据集非独立同分布的问题。