Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Censoring Survival Data01:09

Censoring Survival Data

228
Survival analysis is a statistical method used to analyze time-to-event data, often employed in fields such as medicine, engineering, and social sciences. One of the key challenges in survival analysis is dealing with incomplete data, a phenomenon known as "censoring." Censoring occurs when the event of interest (such as death, relapse, or system failure) has not occurred for some individuals by the end of the study period or is otherwise unobservable, and it might have many different...
228
Ethical Standards I01:25

Ethical Standards I

962
The American Nurses Association (ANA) created and implemented the first nationally accepted Code of Ethics for Nurses with Interpretive Statements. The Code of Ethics is a living document regularly updated by the ANA and establishes an ethical standard that is non-negotiable for nurses in all roles and settings.
The Code of Ethics provisions outline the nurse's duty to the patient, the healthcare team, the profession, and society. The Code's fundamental principles include advocacy,...
962
Legal Guidelines for Documentation01:06

Legal Guidelines for Documentation

1.4K
The legal guidelines for nursing documentation are essential for ensuring accurate, professional, and ethical recording of patient care. The guidelines are discussed here:
1.4K
Ethical Standards II01:23

Ethical Standards II

795
Ethical standards are the backbone of nursing practice, guiding nurses as they interact with patients, families, and colleagues. These standards are crucial for providing safe, empathetic care centered on the patient's needs.
Nurses are entrusted with upholding various ethical principles and standards. Nurses forge solid therapeutic relationships using trust, empathy, autonomy, confidentiality, and professional competence.
Confidentiality is crucial, embodying respect for individual privacy...
795
One-Way ANOVA: Equal Sample Sizes01:15

One-Way ANOVA: Equal Sample Sizes

3.4K
One-Way ANOVA can be performed on three or more samples with equal or unequal sample sizes. When one-way ANOVA is performed on two datasets with samples of equal sizes, it can be easily observed that the computed F statistic is highly sensitive to the sample mean.
Different sample means can result in different values for the variance estimate: variance between samples. This is because the variance between samples is calculated as the product of the sample size and the variance between the...
3.4K
Distribution Reliability and Automation01:25

Distribution Reliability and Automation

153
Distribution reliability in electrical power systems is critical for ensuring an uninterrupted power supply to consumers at minimal cost. According to IEEE Standard Terms, reliability is the probability that a device will function without failure over a specified time period or amount of usage. For electric power distribution, this translates to maintaining continuous power supply and addressing customer concerns over power outages. Several indices, as defined by IEEE Standard 1366-2012, are...
153

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same journal

Latent Space Projections and Atlases, a Cautionary Tale in Deep Neuroimaging using Autoencoders.

International journal of neural systems·2026
Same journal

Transformer-Based Anomaly Detection for Neurodegenerative Screening in MRI Images.

International journal of neural systems·2026
Same journal

Discrete Wavelet Convolution for Learnable Time-Frequency Representation with Application to Seizure Prediction.

International journal of neural systems·2026
Same journal

Automatic Seizure Detection using Hierarchical Spectral-Temporal Feature Learning with an Imbalance-Aware Transformer.

International journal of neural systems·2026
Same journal

Pyramid Vision Transformer-Enhanced Conformer Network for Epileptic Seizure Recognition Using MultiChannel EEG Signals.

International journal of neural systems·2026
Same journal

A Time-Frequency Decoupled Contrastive Learning Framework for Electroencephalography-Based Parkinson's Disease Diagnosis.

International journal of neural systems·2026

Video Experimental Relacionado

Updated: Sep 9, 2025

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
03:14

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Published on: December 6, 2024

681

Método de utilización de cumplimiento de datos basado en la privacidad diferencial adaptativa y el aprendizaje

Haiyan Kang1, Bing Wu1, Chong Zhang1

  • 1Department of Information Security, Beijing Information Science and Technology University, Beijing 100192, P. R. China.

International journal of neural systems
|August 29, 2025
PubMed
Resumen

El aprendizaje federado (FL) mejora la privacidad de los datos, pero los riesgos de inferencia de parámetros permanecen. Este estudio introduce un método de aprendizaje federado de privacidad diferencial adaptativo (ADP-BCFL) para asegurar los datos distribuidos y evitar la fuga de información confidencial.

Palabras clave:
Aprendizaje federadoprivacidad diferencial adaptativacadena de bloquesProcesamiento de datos

Más Videos Relacionados

Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size LEfSe in Microbiome Data
04:57

Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size LEfSe in Microbiome Data

Published on: May 16, 2022

16.2K

Videos de Experimentos Relacionados

Last Updated: Sep 9, 2025

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
03:14

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Published on: December 6, 2024

681
Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size LEfSe in Microbiome Data
04:57

Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size LEfSe in Microbiome Data

Published on: May 16, 2022

16.2K

Área de la Ciencia:

  • Ciencias de la computación
  • Ciberseguridad
  • Ciencia de los datos

Sus antecedentes:

  • El aprendizaje federado (FL) capacita a los modelos de manera colaborativa sin compartir datos en bruto, ofreciendo beneficios inherentes a la privacidad.
  • Sin embargo, los sistemas FL siguen siendo vulnerables a los ataques de inferencia que pueden exponer datos sensibles del usuario a través de parámetros intermedios del modelo.
  • Los métodos existentes para preservar la privacidad pueden no equilibrar adecuadamente la precisión del modelo con una seguridad robusta contra ataques sofisticados.

Objetivo del estudio:

  • Proponer un nuevo método de Aprendizaje Federado de Blockchain de Privacidad Diferencial Adaptativa (ADP-BCFL).
  • Mejorar la seguridad del aprendizaje federado contra ataques de inferencia de datos.
  • Asegurar la conformidad y la utilización segura de los datos distribuidos, manteniendo al mismo tiempo un alto rendimiento del modelo.

Principales métodos:

  • Implementó un marco de blockchain para el almacenamiento seguro y la consulta de datos de usuario agregados.
  • Se ha desarrollado un mecanismo de privacidad diferencial adaptativa (DP) para ajustar dinámicamente los niveles de ruido en función de las características de los parámetros.
  • Integrar el DP en el proceso de aprendizaje federado para controlar la fuga de información y mitigar los riesgos de inferencia.

Principales resultados:

  • El método ADP-BCFL demostró una prevención efectiva de los ataques de inferencia de datos sensibles.
  • Adaptive DP equilibró con éxito la introducción de ruido para proteger la privacidad sin degradar significativamente la precisión del modelo global.
  • La validación en MNIST, Fashion MNIST y conjuntos de datos espaciotemporales confirmó la eficacia del método.

Conclusiones:

  • El método ADP-BCFL proporciona una solución robusta para el aprendizaje federado seguro y privado.
  • La integración de Blockchain garantiza la integridad de los datos y el acceso seguro a la información agregada.
  • El mecanismo de DP adaptativo ofrece un enfoque flexible para la preservación de la privacidad en FL, crucial para conjuntos de datos distribuidos sensibles.