今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

F-BEGAN:基于BEGAN的联邦学习技术,用于保障基于物联网的医疗5.0系统在数据不平衡情况下的安全性与隐私保护

《Scientific Reports》:F-BEGAN: BEGAN-enabled federated learning for imbalance data security and privacy-preserving of IoMT-based Healthcare 5.0

【字体: 大 中 小 】 时间:2026年07月02日 来源:Scientific Reports 4.9

编辑推荐:

  摘要物联网(IoT)和深度学习(DL)等前沿技术的进步,使得基于医疗物联网(IoMT)的医疗保健模式发生了变革,形成了被称为“医疗保健5.0”的新范式。这一范式转变尤其为医疗保健5.0带来了智能、高效且可持续的医疗服务。然而,在这种复杂且多元化的基于IoMT的网络中,智能设备会产

  

摘要

物联网(IoT)和深度学习(DL)等前沿技术的进步,使得基于医疗物联网(IoMT)的医疗保健模式发生了变革,形成了被称为“医疗保健5.0”的新范式。这一范式转变尤其为医疗保健5.0带来了智能、高效且可持续的医疗服务。然而,在这种复杂且多元化的基于IoMT的网络中,智能设备会产生大量不平衡数据。大多数深度学习模型难以准确区分恶意行为,因而无法有效检测网络威胁。为应对这些挑战并保障隐私安全,我们提出了一种基于生成对抗网络(GAN)的联邦学习(FL)模型。该模型能够生成逼真的合成数据,从而提升对少数类威胁的检测能力,而联邦学习则可在不泄露原始数据的情况下实现分布式训练。此外,还采用了双向长短期记忆(BiLSTM)网络来识别医疗保健5.0系统中各类攻击类型。在UNSW-NB15和NSL-KDD两个基准不平衡数据集上的实验结果表明,该模型在检测少数类攻击时的准确率分别为94.78%和95.90%,F1分数分别为94.88%和98.70%,性能优于现有方法。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:医疗保健 5.0|物联网安全|深度学习模型|联邦学习|GAN 网络|冲突数据 或 医疗保健 5.0|物联网安全|深度学习模型|联邦学习|GAN 网络|冲突数据

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号