车联网中基于区块链的联邦学习及其在车载互联网中的应用
密码学与安全
2021-03-02 v1 人工智能
摘要
车联网（IoV）系统范式下数据规模的快速增长，为通过数据共享提升新兴应用的服务质量开辟了新的可能。然而，隐私问题仍是传统 IoV 网络中数据提供方共享私有数据的主要瓶颈。为此，联邦学习（FL）作为一种新兴学习范式近期被提出，其中数据提供方仅发送在其本地原始数据上训练的本地模型更新，而非上传任何原始数据，以构建保护隐私的数据共享模型。不幸的是，通过分析数据提供方上传的本地模型更新之间的差异，私有信息仍可能被泄露，且当部分联邦节点执行恶意行为时系统性能无法得到保证。此外，随着 IoV 系统中终端设备的快速增长，传统基于云的 FL 给通信开销带来了挑战。这些问题促使我们在本文中提出一种自主的区块链赋能的隐私保护 FL 框架，其中移动边缘计算（MEC）技术被自然地集成到 IoV 系统中。
引用
@article{arxiv.2103.01116,
title = {Blockchain-Based Federated Learning in Mobile Edge Networks with Application in Internet of Vehicles},
author = {Rui Wang and Heju Li and Erwu Liu},
journal= {arXiv preprint arXiv:2103.01116},
year = {2021}
}
备注
14 pages,7 figures, journal