Key points are not available for this paper at this time.
أدى دمج تطبيقات المدن الذكية مع الرعاية الصحية إلى ثورة في مراقبة المرضى وإدارة البيانات الطبية. ومع ذلك، تبقى ضمان الخصوصية والأمان للسجلات الصحية الإلكترونية (EHR) تحديًا حاسمًا، خصوصًا في بيئات تعتمد على إنترنت الأشياء مع أجهزة محدودة الموارد. تقترح هذه الورقة إطار عمل جديد يعتمد على التعلم الفيدرالي المدعوم بالبلوكشين (BFL) لتعزيز الحفاظ على الخصوصية في معالجة سجلات الصحة الإلكترونية. يعتمد الإطار المقترح على إثباتات المعرفة الصفرية (ZKP) لأغراض المصادقة والتشفير المتجانس للحوسبة الآمنة، مما يضمن أمان البيانات دون كشف البيانات الخام للمرضى. يمكّن التعلم الفيدرالي (FL) تدريب النماذج بشكل لامركزي عبر أجهزة إنترنت الأشياء، مما يقلل من مخاطر الخصوصية مع الحفاظ على منفعة البيانات. بالإضافة إلى ذلك، تعزز تكنولوجيا البلوكشين نزاهة وشفافية معاملات سجلات الصحة الإلكترونية من خلال إنشاء دفتر أستاذ غير قابل للتلاعب. يتم تقييم أداء إطار عمل BFL المقترح بناءً على منفعة البيانات، و دقة النموذج، ووقت التنفيذ، وقابلية التوسع عبر أحجام بيانات سجلات الصحة الإلكترونية المتنوعة. تظهر النتائج تحسينًا في الحفاظ على الخصوصية، وتقليل الأعباء الحسابية، وزيادة كفاءة النموذج، مما يجعله نهجًا واعدًا لأنظمة الرعاية الصحية الذكية المستندة إلى إنترنت الأشياء التي تضمن الأمان والخصوصية.
درس علي وآخرون (الخميس) هذا السؤال.