[论文解读] FedPandemic: A Cross-Device Federated Learning Approach Towards Elementary Prognosis of Diseases During a Pandemic

Aman Priyanshu, Rakshit Naidu|arXiv (Cornell University)|Apr 5, 2021

Privacy-Preserving Technologies in Data参考文献 10被引用 4

一句话总结

FedPandemic 提出了一种跨设备联邦学习框架，用于在大流行期间实现隐私保护、可扩展的症状预测，通过词嵌入和 FedAvg 算法从去中心化的现实世界 COVID-19 数据中检测发烧和咳嗽等常见症状。即使在 100% 噪声条件下，该框架仍能实现高准确率，并在多样化的全球数据集上保持鲁棒性，实现在不集中敏感患者数据的前提下实现早期疫情爆发检测。

ABSTRACT

The amount of data, manpower and capital required to understand, evaluate and agree on a group of symptoms for the elementary prognosis of pandemic diseases is enormous. In this paper, we present FedPandemic, a novel noise implementation algorithm integrated with cross-device Federated learning for Elementary symptom prognosis during a pandemic, taking COVID-19 as a case study. Our results display consistency and enhance robustness in recovering the common symptoms displayed by the disease, paving a faster and cheaper path towards symptom retrieval while also preserving the privacy of patient's symptoms via Federated learning.

研究动机与目标

• 解决大流行期间集中化症状数据收集所面临的高时间、高成本和高隐私负担问题。
• 通过去中心化学习实现在多样化人群间协作、隐私保护的症状检测。
• 减少在公共卫生监测中对人工数据脱敏和集中数据聚合的依赖。
• 开发一种轻量级、可扩展的模型，用于疫情爆发期间的早期症状识别。
• 通过合成负样本和词嵌入缓解症状检测中的偏差和欠拟合问题。

提出的方法

• 采用跨设备联邦学习与 FedAvg 算法，在去中心化的症状数据上训练二分类器。
• 使用 GloVe 词嵌入作为特征提取器，将症状文本转换为固定长度向量以供模型输入。
• 在客户端设备上本地训练轻量级分类器，训练固定轮数。
• 从医学语料库中引入合成负样本以平衡数据集并减少偏差。
• 模拟不同客户端数据规模和噪声水平（0% 至 100%），以测试鲁棒性和收敛性。
• 支持集成额外隐私保护机制，如安全聚合和差分隐私。

实验结果

研究问题

• RQ1 联邦学习能否在不集中患者数据的前提下有效检测显著的大流行症状？
• RQ2 在去中心化、现实世界症状数据中噪声水平增加时，模型性能如何变化？
• RQ3 合成负样本在多大程度上提升了模型的鲁棒性并减少了症状分类中的偏差？
• RQ4 轻量级联邦模型能否在保护客户端隐私的同时实现高准确率并最小化计算成本？
• RQ5 该模型在来自多个国家的多样化全球症状分布上表现如何？

主要发现

• 即使在 100% 噪声条件下，模型对发烧和咳嗽等症状的检测准确率仍超过 90%，表现出极强的鲁棒性。
• 模拟结果显示，经过 100 个全球轮次后模型收敛稳定，对在人群中占比超过 10% 的症状，准确率始终稳定在 85% 以上。
• 发烧（肯尼亚为 90.05%）和干咳（74%）等症状在所有模拟国家中均以高精度一致检测到。
• 集成合成负样本显著提升了模型的泛化能力，并减少了对罕见症状的欠拟合。
• 该框架通过从不传输原始数据，成功保护了客户端隐私，消除了人工脱敏的需要。
• 该模型在计算资源需求极低的情况下保持高性能，适用于标准移动设备的部署。