确保人工智能模型的完整性：一种基于区块链的保护医学影像训练数据的方法

《Scientific Reports》：Ensuring the integrity of AI models: a blockchain-based approach for protecting medical imaging training data

　　

摘要

构建可信的AI模型至关重要，尤其是在利用MRI图像检测脑肿瘤等关键医疗应用中。然而，医疗图像越来越容易成为恶意攻击的目标，这些攻击旨在削弱基于AI的诊断系统的准确性。恶意攻击会在医疗影像数据集中引入人为干扰，从而误导AI模型的运作。尽管这类干扰在视觉上难以被人类察觉，但若AI模型在受污染的图像上进行训练，就可能导致其功能异常。为提升医疗专业人员和患者对基于AI的脑肿瘤诊断系统的信任，本文提出了一种全新的基于区块链的框架，该框架采用了Hyperledger Fabric和私有IPFS技术。通过去中心化的数据存储和访问控制机制，并确保数据的来源可追溯，这一框架能够有效防止未经授权的访问和恶意篡改，保护用于脑肿瘤检测的MRI扫描数据。Hyperledger Fabric和私有IPFS可实现安全且防篡改的数据集存储与共享，从而打造出可靠且具备抗恶意攻击能力的基于AI的解决方案。通过对所提框架的实验评估，证明了在医疗和AI领域的许可型区块链网络中，该框架能够提供去中心化的加密保障，确保图像的完整性。该防御策略的性能已通过Hyperledger Caliper工具进行了验证。