车载网络中隐私保护边缘智能的联合框架
网络与互联网体系结构
2022-08-29 v1 分布式、并行与集群计算
摘要
联网设备的数量呈指数级增长，来自各类设备的异构数据海量生成，形成了高度交织的信息物理系统。当前，利用边缘计算与人工智能(AI)优势的边缘智能系统(EIS)概念被用于提供具备强大计算处理能力的智能云服务并减少决策延迟。因此，EIS 为实现未来智能交通系统(ITS)提供了一种可能的解决方案，尤其在车载网络框架中。然而，由于中心聚合服务器监督整个系统编排，现有 EIS 框架面临若干挑战，并仍可能易受大量恶意攻击。为此，本文提出安全边缘智能的概念，融合联邦学习(FL)、区块链与本地差分隐私(LDP)的优势。区块链辅助的 FL 方法通过在不 immutable 分布式账本网络中记录交易并提供去中心化奖励机制系统，有效提升交通预测精度并增强用户隐私与安全。此外，LDP 被赋予强化数据共享交易机密性的能力，尤其在保护用户私有数据免受各类攻击方面。所提框架已在两种场景中实现，即基于区块链的 FL 以高效开发车载网络去中心化交通管理，以及基于 LDP 的 FL 利用 IBM 差分隐私库产生随机化隐私保护。
引用
@article{arxiv.2208.12755,
title = {A Joint Framework to Privacy-Preserving Edge Intelligence in Vehicular Networks},
author = {Muhammad Firdaus and Kyung-Hyune Rhee},
journal= {arXiv preprint arXiv:2208.12755},
year = {2022}
}