基于联邦学习的微X射线衍射图像筛选方法保护数据隐私

中国的研究人员提出了一种基于联邦学习（FL）的新型微X射线衍射（μXRD）图像筛选方法，旨在提高筛选效果的同时保护数据隐私。这种方法用于工业矿物通过同步辐射X射线微衍射服务来检测晶体杂质，包括结晶度和可能的杂质。由于X射线衍射服务产生大量图像，这些图像在进一步处理和存储之前需要进行筛选。

在这项研究中，由于服务使用者不愿提供其原始实验照片，并且没有足够高效的标记样本来训练筛选模型，因此研究人员建议采用基于联邦学习（FL）的X射线衍射图像筛选方法。

通过先进的客户端抽样算法，他们的解决方案解决了在使用各种类型和数量的样本时可能面临的数据分布不平衡问题。他们还建议使用混合训练技术来解决FL客户端和服务器之间的异步数据交换。研究结果表明，他们的技术可以在保护商业敏感信息的同时，为测试工业材料的商业客户提供高效的筛选保证。

这项研究的创新之处在于，通过提高机器学习模型的准确性，共享用户或应用程序之间的数据特征，同时不会损害商业敏感信息。这种创新的联邦学习能力有助于消除数据交换方面的非技术障碍。