BF-Meta：面向元宇宙的安全区块链增强隐私保护联邦学习
密码学与安全
2024-10-30 v1 人工智能
摘要
元宇宙作为一个用于社交和经济活动的革命性平台而出现，提供各种虚拟服务的同时也带来了安全与隐私挑战。可穿戴设备充当现实世界与元宇宙之间的桥梁。为了在不泄露用户隐私的情况下为元宇宙提供智能服务，利用联邦学习（FL）在本地可穿戴设备上训练模型是一个有前景的解决方案。然而，传统 FL 中的集中式模型聚合可能遭受外部攻击，导致单点故障。此外，缺乏激励机制可能会削弱用户在 FL 训练期间的参与度，导致训练模型的性能下降和智能服务质量降低。在本文中，我们提出了 BF-Meta，一个具有去中心化模型聚合的安全区块链赋能 FL 框架，以减轻恶意用户的负面影响并在元宇宙中提供安全的虚拟服务。此外，我们设计了一种激励机制，根据用户的行为向他们提供反馈。在五个数据集上进行的实验证明了 BF-Meta 的有效性和适用性。
引用
@article{arxiv.2410.21675,
title = {BF-Meta: Secure Blockchain-enhanced Privacy-preserving Federated Learning for Metaverse},
author = {Wenbo Liu and Handi Chen and Edith C. H. Ngai},
journal= {arXiv preprint arXiv:2410.21675},
year = {2024}
}