PROGETTAZIONE DI UN’ARCHITETTURA BASATA SU FEDERATED LEARNING ED HOMOMORPHIC ENCRYPTION PER LA CONDIVISIONE SICURA DI DATI SANITARI

L’addestramento di modelli predittivi efficaci in ambito sanitario richiede l’accesso a vasti volumi di dati clinici (Electronic Health Records - EHR), ma la centralizzazione di tali informazioni sensibili si scontra con rigorosi vincoli etici e normativi, quali il GDPR. In questo scenario, il Federated Learning (FL) si è affermato come soluzione chiave per decentralizzare il calcolo, permettendo agli ospedali di collaborare senza condividere i dati grezzi. Tuttavia, la letteratura recente [5] dimostra che questo paradigma non è esente da rischi: i gradienti scambiati durante il training possono essere sfruttati per condurre attacchi di inferenza (Model Inversion), esponendo indirettamente la riservatezza dei pazienti. Il presente lavoro di tesi risponde a tale criticità proponendo un’architettura di Privacy-Preserving Machine Learning che potenzia il Federated Learning me- diante la Crittografia Omomorfica (Homomorphic Encryption - HE). L’obiettivo è garantire una sicurezza end-to-end, assicurando che gli aggiornamenti del modello rimangano cifrati anche durante l’aggregazione sul server centrale, eliminando così la necessità di un’autorità fidata. La metodologia ha previsto lo sviluppo di un framework basato su Flower e integrato con la libreria crittografica TenSEAL. È stato implementato lo schema CKKS, scelto per la sua compatibilità con l’aritmetica in virgola mobile delle reti neurali. Il sistema è stato validato addestrando un modello Multi-Layer Perceptron (MLP) per la classificazione di patologie oncologiche (polmone, fegato, stomaco) su dati tabulari distribuiti. Per l’aggregazione, è stata progettata una strategia personalizzata, denominata HEFedAvg, in grado di sommare i contributi dei client direttamente nel dominio cifrato. I risultati sperimentali confermano la solidità della soluzione: il modello globale ha raggiunto un’accuratezza del 92.40% e un F1-Score ponderato di 92.26% sul test set aggregato. I valori di Precision (92.15%) e Recall (92.40%) testimoniano un eccellente bilanciamento tra sensibilità e specificità. L’analisi dei costi computazio- nali evidenzia che, nonostante l’incremento del traffico di rete dovuto all’espansione del ciphertext, l’architettura preserva integralmente la privacy senza compromette- re le prestazioni diagnostiche rispetto alle controparti non cifrate, abilitando così collaborazioni cliniche sicure e scalabili.