基于数字暴露史的隐私保护去中心化流行病传播动力学推断

研究提出一种贝叶斯去中心化框架，通过用户设备端计算暴露史数据的对数似然梯度、中心服务器仅用聚合梯度更新参数，在保护隐私的同时推断传播动力学。基于动态接触网络上模拟的呼吸道病原体疫情合成数据，该框架准确恢复了传播参数，与集中式数据估计接近且后验均值无系统性偏差，并重建了与真实分布相近的每周SI分布。在部分应用采纳、病例漏报和暴露记录不完整等条件下，推断仍保持稳健。