学习者困境：协作深度学习中的物联网设备训练策略
密码学与安全
2020-07-31 v1 计算机科学与博弈论
摘要
随着物联网（IoT）与移动边缘计算的发展，数十亿智能设备互联以开发应用于智能家居、医疗与智能制造等领域的应用。深度学习已广泛用于各类需要海量数据训练模型的物联网应用中。出于隐私要求，智能物联网设备不向远程第三方释放数据供其使用。为克服该问题，深度学习的协作方法（亦称协作深度学习，CDL）已在数据驱动应用中被广泛采用。该方法使多个边缘物联网设备能在移动边缘设备上本地训练其模型。本文中，我们通过博弈论模型分析移动边缘设备的行为，解决CDL中的物联网设备训练问题，其中每个移动边缘设备旨在最大化其本地模型精度的同时限制参与CDL的开销。我们分析了一个N人静态博弈模型中的纳什均衡。进一步提出一种基于簇的公平策略来近似求解CDL博弈，以促使移动边缘设备合作。在真实智能家居部署中的实验结果与评估分析表明，80%的移动边缘设备愿意在CDL中合作，而20%的设备不协作训练其本地模型。
引用
@article{arxiv.2007.15215,
title = {Learner's Dilemma: IoT Devices Training Strategies in Collaborative Deep Learning},
author = {Deepti Gupta and Olumide Kayode and Smriti Bhatt and Maanak Gupta and Ali Saman Tosun},
journal= {arXiv preprint arXiv:2007.15215},
year = {2020}
}