一种基于区块链和联邦学习的隐私保护医疗数据分析方法

本发明涉及医疗数据分析领域，尤其涉及一种基于区块链和联邦学习的隐私保护医疗数据分析方法。包括：收集并预处理原始医疗数据，基于预处理后的原始医疗数据，得到综合特征；训练医疗模型，得到预测结果；评估和优化医疗模型，生成医疗模型参数更新值，对其进行加密和签名处理，生成签名；对加密参数更新值和签名进行签名验证，并整合加密参数更新值，得到聚合参数更新值，对其进行加密和解密，得到最终的参数更新值；基于最终的参数更新值优化医疗模型。解决了联邦学习在模型训练时可能暴露个体隐私；区块链缺乏安全性和可扩展性；在参与方数量庞大、医疗数据量巨大时，模型聚合的计算和通信开销高，影响医疗数据分析的效率和速度的问题。