الأبحاث المرتبطة بالكلمة المفتاحية: تشفير متجانس
-
MedLedgerFL: إطار عمل هجين للتعلم الفيدرالي على البلوكشين لخدمات الرعاية الصحية عن بُعد الآمنة
2026 | المؤلف: Dileep Kumar Murala وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)تتطلب التوسع السريع في الطب عن بُعد طرقًا آمنة وتعاونية وتحافظ على الخصوصية لإدارة البيانات الطبية الحساسة. تواجه نماذج التدريب التقليدية المركزية تحديات مثل تسرب البيانات ونزاعات الملكية، مما يعيق التعاون المؤسسي. لمعالجة هذه القضايا، يقدم هذا البحث MedLedgerFL، وهو منصة هجينة تدمج تقنية البلوكشين مع التعلم الفيدرالي (FL) لتعزيز سلامة وموثوقية تحليلات الرعاية الصحية…
-
SecuFL-IoT: إطار تعلم فدرالي متكيف يحافظ على الخصوصية للكشف عن الشذوذ في الشبكات الصناعية الذكية
2026 | المؤلف: Ali Alqazzaz | المجلة: Scientific Reports | المجال: هندسة التحكم والأنظمة (Control and Systems Engineering)تقدم البحث SecuFL-IoT، وهو إطار تعلم فدرالي جديد مصمم لبيئات إنترنت الأشياء الصناعية (IIoT)، مع التركيز على الأمان والكفاءة. يتضمن الإطار الكشف التكيفي عن الشذوذ، والتشفير المتجانس القائم على الشبكات، والخصوصية التفاضلية، والتعلم المعزز، محققًا درجة F1 تبلغ 88.5% مع معدل إيجابيات كاذبة منخفض يبلغ 2.7%. كما يحافظ على ضمانات خصوصية قوية (ϵ = 0.9)…
-
تشفير تقريبي واعٍ للتطبيقات
2026 | المؤلف: Andreea Alexandru وآخرون | المجلة: IACR Communications in Cryptology | المجال: الذكاء الاصطناعي (Artificial Intelligence)يتناول القسم التشفير المتجانس بالكامل (FHE)، مع التركيز على مخطط تشيون-كيم-كيم-سونغ (CKKS)، الذي يناسب بشكل خاص مهام تعلم الآلة التي تحافظ على الخصوصية والتي تتضمن أعدادًا حقيقية ومعقدة. على الرغم من كفاءته، لا يزال هناك ارتباك مستمر بشأن تطبيق مكتبات FHE والتنفيذ الآمن لـ CKKS، خاصة في ضوء هجمات استرداد المفاتيح التي حددها لي وميشيانكو…
-
تشفير متجانس تقريبي قائم على الخصوصية: استعراض
2025 | المؤلف: Jiangjun Yuan وآخرون | المجلة: Artificial Intelligence Review | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم هذه القسم نظرة عامة على التقدم في التعلم الآلي (ML) والمخاوف المتعلقة بالخصوصية المرتبطة التي أدت إلى ظهور التعلم الآلي الذي يحافظ على الخصوصية (PPML). يركز المؤلفون على مزايا التشفير المتجانس (HE)، وخاصة التشفير المتجانس التقريبي، كتقنية واعدة لتعزيز الخصوصية في تطبيقات التعلم الآلي. يقومون بمراجعة منهجية للأدبيات الموجودة حول مخططات PPML المعتمدة على…
-
PBFL: إطار تعلم فدرالي قائم على البلوكشين يحافظ على الخصوصية مع تشفير متجانس وتغطية واحدة
2025 | المؤلف: Baofu Han وآخرون | المجلة: IEEE Internet of Things Journal | المجال: الذكاء الاصطناعي (Artificial Intelligence)يقدم القسم إطار عمل جديد قائم على تقنية التعلم الفيدرالي المحفوظ للخصوصية (PBFL) مصمم لتعزيز الأمان والخصوصية في سياق إنترنت الأشياء الصناعي (IIoT). بينما يسهل التعلم الفيدرالي (FL) تدريب النماذج بشكل تعاوني دون مشاركة البيانات الخام، إلا أنه لا يزال عرضة لانتهاكات الخصوصية من خلال تحليل معلمات النموذج المشتركة. تركز أنظمة التعلم الفيدرالي المحفوظ للخصوصية…
-
كشف الشذوذ بناءً على LSTM والمشفّرات التلقائية باستخدام التعلم الفيدرالي في الشبكة الكهربائية الذكية
2024 | المؤلف: Rakesh Shrestha وآخرون | المجلة: Journal of Parallel and Distributed Computing | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم ورقة البحث إطارًا لاكتشاف الشذوذ في أنظمة الشبكة الكهربائية الذكية، باستخدام شبكات الذاكرة طويلة وقصيرة المدى (LSTM) والمشفّرات الذاتية. يتناول الإطار مخاوف الخصوصية والأمن السيبراني المرتبطة بجمع البيانات الكهربائية من المحطات الفرعية، والتي غالبًا ما تكون عرضة للإساءة وانتهاكات الخصوصية عند نقلها إلى التخزين المركزي. للتخفيف من هذه المخاطر، يقترح المؤلفون نظام اكتشاف الشذوذ…
-
تحسين تقنية البلوكشين لإنترنت الأشياء في الرعاية الصحية: دليل عملي للتنقل بين قابلية التوسع والخصوصية وتوازن الكفاءة
2024 | المؤلف: Mwaffaq Abu AlHija وآخرون | المجلة: Indonesian Journal of Electrical Engineering and Computer Science | المجال: نظم المعلومات (Information Systems)تتناول ورقة البحث الإمكانات التحويلية لتكنولوجيا البلوكشين في تعزيز تطبيقات إنترنت الأشياء (IoT) ضمن قطاع الرعاية الصحية، مع التركيز بشكل خاص على السمات الرئيسية مثل الأمان، والنزاهة، والشفافية، والكفاءة. تسلط الضوء على ضرورة أن تتنقل منظمات الرعاية الصحية بين التوازنات المعقدة بين القابلية للتوسع، والخصوصية، واستخدام الموارد، نظرًا للطبيعة الحساسة لبيانات الرعاية الصحية والمتطلبات التنظيمية…
-
استقصاء: أمان بيانات التعلم الفيدرالي والحفاظ على الخصوصية في إنترنت الأشياء الطرفية
2024 | المؤلف: Haiao Li وآخرون | المجلة: Artificial Intelligence Review | المجال: الذكاء الاصطناعي (Artificial Intelligence)إن النمو السريع لإنترنت الأشياء الذكي (SIoT) قد أدى إلى زيادة هائلة في توليد البيانات، مما يجعل طرق التعلم الآلي التقليدية تكافح لإدارتها بشكل فعال. يظهر التعلم الفيدرالي (FL) كحل واعد لتدريب النماذج الإحصائية عبر الشبكات الطرفية الموزعة، حيث يعالج التحديات المتعلقة بالبيانات الضخمة والمتنوعة ويضمن أمان المعلومات الخاصة. من خلال الاستفادة من الحوسبة الطرفية،…