一種基于聯邦學習與區塊鏈的傳染病預警模型＊

李道興,李元誠,劉海青

（華北電力大學 控制與計算機工程學院，北京 102206）

1 引言

傳染病是由病原體引起的能在人與人或人與動物之間相互傳播并廣泛流行的疾病。傳染病傳播的速度很快，并且一旦爆發將給個人，社會，國家帶來巨大的損失[1]。如果能提早預警傳染病的爆發，就可以通過防疫措施將疫情控制在局部地區，從而盡可能減少疫情所帶來的負面影響。因此傳染病預警模型在傳染病預防的過程中起到了重要的作用[2]。

根據傳染病預警模型使用的技術種類，可以將傳染病預警分為兩類：基于統計學的傳染病預警模型和基于大數據技術的傳染病預警模型。基于統計學的傳染病預警模型按照傳染病流行的三間可以分為時間模型，空間模型，時空模型這三類[3]。時間模型利用傳染病確診的時間和人數信息，通過回歸法[4]，時間序列法[5]，統計過程圖法[6]等方法對傳染病是否爆發進行預警。空間模型[7-11]利用患者地理位置的相關信息，監測傳染病患者是否出現了空間上的聚集性，從而發出預警信息。時空模型[12-15]借助于時間和空間聚集性探測方法，來判斷固定區域內的病例數、空間聚集熱點區域是否達到預警閾值，如果達到，系統則發出預警信號。傳統的傳染病預警模型最大的問題在于其必須依賴醫院確診，上報傳染病病例，從而對傳染病的爆發進行預警，因此對于已知類型的傳染病效果較好。但是對于突發的未知新型傳染病，相關部門很難在短時間內統一診斷標準，從而降低了預警的時效性。……