本文介绍了一种联邦学习框架，通过使用差分隐私机制，从不同站点本地持有的分布式健康数据中学习全局模型，提供了两个级别的隐私保护。该框架在两个医疗应用程序上的评估证明了其在提供更高级别的隐私保护和维护全局模型效用方面的可行性和有效性。

本文介绍了一种联邦学习框架，可从不同站点的分布式健康数据中学习全局模型，提供两个级别的隐私保护，使用差分隐私机制防止隐私攻击，并在两个医疗应用程序上进行了评估。