The precision of insulin dosage is essential in the process of diabetes treatment. The fact is providing precise dosage is almost impossible for clinicians since blood sugar levels are dynamically affected by many factors. Even though some auxiliary dosing systems have been proposed, the required real‐time physical data about the health situation of diabetics is still hard to synchronize to the end‐devices instantly. The traditional personalized drug delivery frameworks for accurate dosing of insulin always collect and transmit medical data in cleartext, which raises privacy problems. In this article, we propose a framework for an optimized insulin dosage via privacy‐preserving reinforcement learning to diabetics (OIDPR). In OIDPR, both the additive secret sharing and edge computing are deployed to achieve data confidentiality and performance optimization. The medical data is divided into multiple secret shares uniformly at random for outsourcing and operating at the edge servers. During the computation task of reinforcement learning, data is encrypted and processed via our proposed additive secret sharing protocol, where the privacy is reserved by the efficient encryption mechanism and the secret sharing system only incurs little workload. We provide comprehensive theoretical analyses and experimental results that demonstrate the supervisor functionality and high performance of our framework.

中文翻译：

---

OIDPR：通过保护隐私的强化学习来优化胰岛素剂量

胰岛素剂量的精确度在糖尿病治疗过程中至关重要。事实上，由于血糖水平受许多因素动态影响，因此为临床医生提供精确剂量几乎是不可能的。即使已经提出了一些辅助加药系统，有关糖尿病患者健康状况的所需实时物理数据仍然很难立即与终端设备同步。用于精确剂量胰岛素的传统个性化药物输送框架始终以明文形式收集和传输医学数据，这会引起隐私问题。在本文中，我们提出了一个通过保护糖尿病患者隐私的强化学习（OIDPR）来优化胰岛素剂量的框架。在OIDPR中，部署了附加机密共享和边缘计算，以实现数据机密性和性能优化。将医疗数据随机均匀地分为多个秘密份额，以便在边缘服务器上进行外包和操作。在强化学习的计算任务中，数据通过我们提出的附加机密共享协议进行加密和处理，其中隐私由有效的加密机制保留，机密共享系统仅产生很少的工作量。我们提供全面的理论分析和实验结果，以证明我们的管理器功能和框架的高性能。在强化学习的计算任务中，数据通过我们提出的附加机密共享协议进行加密和处理，其中隐私由有效的加密机制保留，机密共享系统仅产生很少的工作量。我们提供全面的理论分析和实验结果，以证明我们的管理器功能和框架的高性能。在强化学习的计算任务中，数据通过我们提出的附加机密共享协议进行加密和处理，其中隐私由有效的加密机制保留，机密共享系统仅产生很少的工作量。我们提供全面的理论分析和实验结果，以证明我们的管理器功能和框架的高性能。