基于区块链的联邦学习在车载网络消息分发中的应用
密码学与安全
2021-09-15 v1
摘要
车辆间的消息交换在保障道路安全方面起着重要作用。紧急消息分发通常通过广播进行。然而，高车辆密度和高移动性通常会导致消息分发中的挑战，如广播风暴和低数据包接收概率。本文提出了一种基于联邦学习的区块链辅助消息分发方案。类似于区块链中基于激励的工作量证明共识，车辆通过处理嵌入在区块链智能合约中的所提出的联邦学习证明（Proof-of-Federated-Learning, PoFL）共识来竞争成为中继节点（矿工）。本文对所提方案进行了理论和实际分析。具体而言，所提出的基于区块链的联邦学习使得在给定时间内有更多车辆上传其模型，与不使用区块链的相同方案相比，这有可能在更短时间内得到更精确的模型。它还通过减少65.2%的共识时延、提高至少8.2%的消息投递率以及更高效地保护邻车隐私，优于其他用于消息分发的区块链方法。进一步使用斯塔克尔伯格博弈模型分析了激励车辆参与联邦学习和消息分发的经济模型。
引用
@article{arxiv.2109.06667,
title = {A Blockchain based Federated Learning for Message Dissemination in Vehicular Networks},
author = {Ferheen Ayaz and Zhengguo Sheng and Daxin Tian and Yong Liang Guan},
journal= {arXiv preprint arXiv:2109.06667},
year = {2021}
}
备注
Submitted to IEEE Transactions on Vehicular Technology