去中心化隐私保护框架推断疫情传播动态

2026年10月7日，medRxiv发布一篇预印本研究，提出一种贝叶斯去中心化框架用于推断流行病传播动力学。该框架让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，从而在保护隐私的同时完成推断。研究基于动态接触网络上模拟的呼吸道病原体疫情合成数据进行验证，结果显示该框架能准确恢复传播参数，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。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。