🤖 machine learning
Privacy-Preserving Federated Learning via Differential Privacy and Homomorphic Encryption for Cardiovascular Disease Risk Modeling
تقيم هذه الدراسة بشكل منهجي دمج الخصوصية التفاضلية والتشفير المتماثل ضمن التعلم الاتحادي لنمذجة مخاطر أمراض القلب والأوعية الدموية باستخدام بيانات الرعاية الصحية السويدية، كاشفةً أنه في حين يحافظ التشفير المتماثل على فائدة النموذج بما يضاهي التعلم المركزي على حساب العبء الحسابي، فإن الخصوصية التفاضلية توفر تكاليف حسابية أقل ولكنها تضعف الأداء بشكل كبير في نماذج الانحدار اللوجستي مقارنة بالشبكات العصبية.