FL-DECO-BC：面向VANETs的基于区块链去中心化预言机的隐私保护、可证明安全且保留来源链路的联邦学习框架
密码学与安全
2024-08-01 v1
摘要
车联网（VANETs）具有巨大的潜力，可提升交通安全和效率。然而，传统的集中式方法在数据隐私和安全方面存在顾虑。联邦学习（FL）通过不共享原始数据即可实现协作模型训练，为VANETs提供了解决方案。本文提出FL-DECO-BC，一种为VANETs设计的新型隐私保护、可证明安全且保留数据来源链路的联邦学习框架。FL-DECO-BC利用区块链上的去中心化预言机安全访问外部数据源，同时通过先进技术确保数据隐私。该框架通过加密原语和形式化验证方法保证可证明的安全性。此外，FL-DECO-BC采用来源链路保留设计，用于追踪数据来源和历史记录，促进信任和问责。这种功能的组合使VANETs具备了安全且注重隐私的机器学习能力，为先进的交通管理和安全应用铺平了道路。
引用
@article{arxiv.2407.21141,
title = {FL-DECO-BC: A Privacy-Preserving, Provably Secure, and Provenance-Preserving Federated Learning Framework with Decentralized Oracles on Blockchain for VANETs},
author = {Sathwik Narkedimilli and Rayachoti Arun Kumar and N. V. Saran Kumar and Ramapathruni Praneeth Reddy and Pavan Kumar C},
journal= {arXiv preprint arXiv:2407.21141},
year = {2024}
}