QUDOS：基于法定人数的云-边分布式 DNN 用于增强工业 4.0 安全性
密码学与安全
2021-11-10 v1
摘要
采用深度神经网络 (DNNs) 的分布式机器学习算法广泛应用于工业 4.0 应用，如智能制造。DNN 的各层可映射至位于云、边缘与车间的不同节点以保全隐私。喂入并经 DNN 处理的数据质量对于检测与质量控制等关键任务至关重要。分布式数据验证网络 (DDVNs) 用于验证数据质量。然而，一旦发生攻击，它们易出现单点故障。本文提出 QUDOS，一种利用法定人数增强由 DDVNs 支撑的分布式 DNN 安全性的方法。所提方法允许在 DNN 产生输出时，检测或排除因攻击而损坏的单个节点。诸如损坏因子与攻击成功概率等指标被用于评估 DNN 的安全方面。仿真研究表明，若损坏节点数少于法定人数决策的给定阈值，QUDOS 方法总能阻止攻击。此外，研究显示增大法定人数规模比增加层数更能提升安全性。QUDOS 的一个优点在于无需对算法做任何修改即可增强 DNN 安全性，因而可应用于其他类别的问题。
引用
@article{arxiv.2111.05190,
title = {QUDOS: Quorum-Based Cloud-Edge Distributed DNNs for Security Enhanced Industry 4.0},
author = {Kevin Wallis and Christoph Reich and Blesson Varghese and Christian Schindelhauer},
journal= {arXiv preprint arXiv:2111.05190},
year = {2021}
}