基于博弈论的物联网协作深度学习隐私保护方法
密码学与安全
2021-04-06 v3 计算机科学与博弈论
摘要
物联网(IoT)的指数级增长已成为创造创新智能设备与互联领域(包括智能家居、医疗、交通和制造)的超越性力量。随着数十亿物联网设备的存在,海量数据在物联网架构的各个节点持续生成、传输和存储。深度学习被广泛用于物联网应用,以从物联网数据中提取有用洞察。然而,物联网用户存在安全与隐私顾虑,不愿与第三方应用或利益相关方共享其个人数据。为解决用户隐私问题,协作深度学习(CDL)已在数据驱动应用中大量采用,使多个物联网设备能在边缘网关上本地训练其模型。在本章中,我们首先讨论不同类型的深度学习方法,以及这些方法如何应用于物联网领域。我们提出一种面向物联网设备的隐私保护协作深度学习方法,该方法可从系统中其他设备获益。该学习方法使用博弈论模型从移动边缘设备的行为视角进行分析。我们分析了N人静态博弈模型中的纳什均衡。我们进一步提出一种基于聚类方法的边缘物联网设备间新颖公平协作策略,以求解CDL博弈,从而强制移动边缘设备合作。我们还给出了在真实智能家居部署中的实现细节与评估分析。
引用
@article{arxiv.2103.15245,
title = {Game Theory Based Privacy Preserving Approach for Collaborative Deep Learning in IoT},
author = {Deepti Gupta and Smriti Bhatt and Paras Bhatt and Maanak Gupta and Ali Saman Tosun},
journal= {arXiv preprint arXiv:2103.15245},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2007.15215