面向工业元宇宙的基于区块链的联邦学习：具有最优信息年龄的激励方案
计算机科学与博弈论
2022-08-30 v2
摘要
新兴的工业元宇宙通过将物理工业映射并扩展至虚拟空间，实现智能制造的显著升级。工业元宇宙通过工业物联网（IIoT）从各类生产与运营产线获取数据，从而进行有效数据分析与决策，提升物理空间生产效率、降低运营成本并最大化商业价值。然而，将元宇宙集成至 IIoT 仍存在瓶颈，如带商业机密的敏感数据隐私泄露、IIoT 感知数据新鲜度，以及共享这些数据的激励。本文为工业元宇宙设计了一个用户自定义隐私保护框架，结合去中心化联邦学习。为进一步加强工业元宇宙的隐私保护，进一步利用跨链赋能的联邦学习框架，通过含主链与多子链的分层区块链架构，在物理与虚拟空间执行去中心化、安全且隐私保护的数据训练。此外，我们引入信息年龄作为数据新鲜度度量，并设计基于年龄的合约模型以激励 IIoT 节点间的数据感知。数值结果表明所提框架与激励机制在工业元宇宙中的有效性。
引用
@article{arxiv.2206.07384,
title = {Blockchain-based Federated Learning for Industrial Metaverses: Incentive Scheme with Optimal AoI},
author = {Jiawen Kang and Dongdong Ye and Jiangtian Nie and Jiang Xiao and Xianjun Deng and Siming Wang and Zehui Xiong and Rong Yu and Dusit Niyato},
journal= {arXiv preprint arXiv:2206.07384},
year = {2022}
}