物联网中基于区块链并在可信执行环境下安全聚合的联邦学习
密码学与安全
2023-04-26 v1 人工智能
摘要
本文提出一种基于区块链的联邦学习(FL)框架，结合基于 Intel 软件防护扩展(SGX)的可信执行环境(TEE)，以在工业物联网(IIoT)中安全聚合本地模型。在 FL 中，本地模型可能被攻击者篡改。因此，由被篡改的本地模型生成的全局模型可能出错。为此，所提框架利用区块链网络进行安全的模型聚合。每个区块链节点托管支持 SGX 的处理器，安全地执行基于 FL 的聚合任务以生成全局模型。区块链节点可验证聚合模型的真实性，运行区块链共识机制以确保模型的完整性，并将其添加到分布式账本中以供防篡改存储。每个集群可从区块链获取聚合模型并在使用前验证其完整性。我们使用不同的 CNN 模型和数据集进行了若干实验来评估所提框架的性能。
引用
@article{arxiv.2304.12889,
title = {Blockchain-based Federated Learning with Secure Aggregation in Trusted Execution Environment for Internet-of-Things},
author = {Aditya Pribadi Kalapaaking and Ibrahim Khalil and Mohammad Saidur Rahman and Mohammed Atiquzzaman and Xun Yi and Mahathir Almashor},
journal= {arXiv preprint arXiv:2304.12889},
year = {2023}
}