基于深度学习与区块链的建筑工人可穿戴物联网传感器隐私保护数据存储与服务框架
密码学与安全
2022-11-22 v1 机器学习
信号处理
神经元与认知
摘要
对可穿戴物联网（IoT）传感器（尤其是脑机接口（BCIs））采集的脑信号进行分类是增长最快的研究领域之一。然而，已有研究大多忽视了所采集个人神经生理数据的安全存储与隐私保护问题。因此，本文试图弥补这一缺口，并提出一种用于实现BCI应用的安全隐私保护协议。我们首先将脑信号转换为图像，并使用生成对抗网络（GAN）生成合成信号以保护数据隐私。随后，我们应用迁移学习范式进行信号分类。所提方法通过案例研究进行了评估，结果表明由人工生成样本增强的真实脑电图数据提供了更优的分类性能。此外，我们提出了一种基于区块链的方案，并在以太坊上开发了原型，旨在使个人神经生理数据和分析报告的存储、查询与共享安全且具隐私意识。描述了三个主要交易主体——建筑工人、BCI服务提供商和项目经理——的权益，并讨论了所提系统的优势。我们相信本文提供了一个周全的解决方案，可保护私有数据免受网络攻击，为BCI应用开发者创造公平竞争环境，并最终改善行业内的职业福祉。
引用
@article{arxiv.2211.10713,
title = {A privacy-preserving data storage and service framework based on deep learning and blockchain for construction workers' wearable IoT sensors},
author = {Xiaoshan Zhou and Pin-Chao Liao},
journal= {arXiv preprint arXiv:2211.10713},
year = {2022}
}