基于区块链的联邦学习用于工业物联网设备故障检测
分布式、并行与集群计算
2020-10-20 v2 密码学与安全
软件工程
摘要
设备故障检测是工业物联网（IIoT）中最基本的问题之一。然而，在常规 IIoT 设备故障检测中，客户端设备需将原始数据上传至中心服务器进行模型训练，这可能导致敏感业务数据泄露。因此，本文为保障客户端数据隐私，提出一种基于区块链的联邦学习方法用于 IIoT 设备故障检测。首先，我们给出基于区块链的联邦学习故障检测系统平台架构，其可实现客户端数据的可验证完整性。在该架构中，每个客户端周期性地创建一棵 Merkle 树，其中每个叶节点代表一条客户端数据记录，并将树根存储于区块链上。进一步，为解决 IIoT 故障检测中的数据异构问题，我们提出一种新颖的质心距离加权联邦平均（CDW_FedAvg）算法，该算法考虑了各客户端数据集中正类与负类之间的距离。此外，为激励客户端参与联邦学习，依据本地模型训练所用客户端数据的大小与质心距离，设计了一种基于智能合约的激励机制。我们所提架构的原型已与产业合作伙伴实现，并从可行性、准确性与性能方面进行评估。结果表明该方法是可行的，并具有令人满意的准确性与性能。
引用
@article{arxiv.2009.02643,
title = {Blockchain-based Federated Learning for Device Failure Detection in Industrial IoT},
author = {Weishan Zhang and Qinghua Lu and Qiuyu Yu and Zhaotong Li and Yue Liu and Sin Kit Lo and Shiping Chen and Xiwei Xu and Liming Zhu},
journal= {arXiv preprint arXiv:2009.02643},
year = {2020}
}
备注
accepted by IEEE Internet of Things Journal