Open Access

Renommierte Autoren erzählen lebendige und mitreißende Geschichte(n) der Medizin über Krankheiten, Ärzte und Forscher. -Wie kam es zur Entdeckung des Blutkreislaufes, wo man doch lange Zeit glaubte, die Leber produziere täglich Tausende von Litern Blut? -Warum sind Hirnschrittmacher erst viel später als Herzschrittmacher auf der medizinischen Bühne erschienen, wo doch das Gehirn schon in der Antike trepaniert und erforscht wurde? -Die Antworten auf diese und andere Fragen werden nicht nur wissenschaftlich exakt, sondern auch überaus unterhaltsam gegeben. -Beachtlich, dass Friedrich II. von Preußen auch begnadeter Hobby-Arzt war. -Bemerkenswert, wie eine Frau zu einer Zeit zielstrebig Ärztin wurde, als nur Männer Medizin studieren durften. -Bewegend die Erlebnisse eines Arztes an der Front. -Faszinierend, wie ein „Wunderdoktor“ reihenweise Frauen in Ohnmacht versetzte, um sie zu heilen; er wurde damit zum Mitbegründer der Psychotherapie. -Das Buch knüpft mit diesen und weiteren Erzählungen an den großen Erfolg des ersten Bandes an und bietet in populärwissenschaftlicher Weise neues Lese- und Bildungsvergnügen.

We propose secure multi-party computation techniques for the distributed computation of the average using a privacy-preserving extension of gossip algorithms. While recently there has been mainly research on the side of gossip algorithms (GA) for data aggregation itself, to the best of our knowledge, the aforementioned research line does not take into consideration the privacy of the entities involved. More concretely, it is our objective to not reveal a node's private input value to any other node in the network, while still computing the average in a fully-decentralized fashion. Not revealing in our setting means that an attacker gains only minor advantage when guessing a node's private input value. We precisely quantify an attacker's advantage when guessing - as a mean for the level of data privacy leakage of a node's contribution. Our results show that by perturbing the input values of each participating node with pseudo-random noise with appropriate statistical properties (i) only a minor and configurable leakage of private information is revealed, by at the same time (ii) providing a good average approximation at each node. Our approach can be applied to a decentralized prosumer market, in which participants act as energy consumers or producers or both, referred to as prosumers.