首页
基于移动边缘计算,区块链,联邦学习,众包的智能隐私保护系统
发布来源: 轩辕实验室 发布时间:2020-02-18

1 系统简介

物联网(IoT)公司致力于从用户那里获得反馈,以改善其产品和服务。但是,由于问题有限,传统调查无法反映客户的实际情况。此外,调查结果还受到各种主观因素的影响。相反,记录IoT设备的使用情况则能够更全面,更准确地反映出客户的行为。本文介绍了一个智能系统,通过使用联邦学习技术以帮助IoT设备制造商利用客户的数据,建立一种机器学习模型,以预测客户的需求以及可能的消费行为。联邦学习包含两个阶段:在第一阶段,客户使用边缘设备(如:手机)和边缘计算服务器协同训练初始模型。移动边缘计算服务器的强大计算能力可以协助客户进行本地模型训练。客户首先使用IoT设备收集数据,然后使用其数据下载并训练初始模型。在训练期间,客户首先使用边缘设备提取特征,然后基于差分隐私(一种正式且流行的量化隐私的的概念),将拉普拉斯噪声(Laplacian noise)添加到提取的特征中。在获得本地模型后,客户分别在其模型上签名并将其发送到区块链。我们使用区块链来替换属于联邦学习中第三方的集中式聚合服务器。在第二阶段,矿工收集并使用从客户端发送来的模型计算平均模型。到众包工作(crowdsourcing job)结束时,其中一名被选为临时负责人的矿工将模型上传到区块链。此外,为了吸引更多的客户参与众包联邦学习,本系统设计了一种激励机制,向参与者提供可用于购买公司提供的其他服务的虚拟币。

2 基于众包的联邦学习

联邦学习是一种安全的协作式的机器学习,它的目标是通过使用具有不可靠且相对较低网络连接的客户端构成的分布式网络来训练全局模型。联邦学习通过使用分布在众多移动终端的分布式数据来辅助训练机器学习模型。众包联邦学习的参与者定期交换和更新模型参数,而不发送数据。在联邦学习的许多设置中,用户下载神经网络模型,在本地训练模型,然后将其更新上传到聚合器。中央聚合器将计算更新的平均值,并将其应用到模型中。因此,联邦学习保护了用户训练数据的隐私和安全。该系统将一个家庭中相同品牌的IoT设备视为一个单元,因此需要一个移动设备来帮助定期从IoT设备收集数据并训练模型。由于移动电话具有有限的计算能力和电池寿命,因此许多家庭很难在本地训练模型。为了鼓励更多的客户参与到训练任务中来,可以使用移动边缘计算服务器来增强计算能力来加速训练,使训练更接近于数据源。

3 基于区块链的模型存储

传统的众包系统由第三方托管,向参与者收取昂贵的服务费用,而本系统使用区块链来记录众包活动。因此,参与者和请求者可以在保持众包系统正常运行的同时节省高额的服务费用。区块链帮助众包请求者审核是否有来自参与者的恶意更新。由于块大小的限制,建议在模型大小较大时使用星际文件系统(IPFS)作为分布式存储解决方案。

4 系统流程

4.1 第一阶段

客户使用设计好的CNN网络从使用手机提取出数据的特征,并在正式的隐私保证下添加噪声来干扰提取的特征,以防泄露原生的数据。

4.2 第二阶段

客户在移动边缘计算服务器上训练具有扰动特征的模型的全连接层。

4.3 第三阶段

训练结束后,客户应使用自己的私钥在加密的模型哈希码上签名,并将本地训练的模型传输给区块链。

4.4 第四阶段

挖矿者验证发送者的身份,下载模型并计算所有模型参数的平均值以得到最终的模型。被选为临时的矿工将加密并上传将最终的模型至区块链。此外,为了激励更多的客户参与到众包任务中来,减少恶意更新,考虑设计一个基于声誉的众包激励机制。如果客户成功上传自己的模型,将获得虚拟币和声誉奖励。


注:本文系本站转载,转载目的在于传递更多信息,并不代表本站赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请与本站联系,我们将在第一时间删除内容!本文版权归原作者所有 内容为作者个人观点 本站只提供参考并不构成任何投资及应用建议。

关注我们

关注我们

相关资讯

随机资讯

相关推送

重塑「金融」基建微众协办的「隐私计算与联邦学习」公开课正式启动

转载自AI金融评论隐私计算与联邦学习作为新一代人工智能技术,正在构造AI金融的新基建。这一年,数据隐私保护的监管进程,像被按下了快进键。多项法案陆续出台,要求企业在数据应用过程中使用脱敏、加密等技术提高安全级。在此环境下,隐私计算与联邦学习作为新一代人工智能技术,正在从数据问题的根源出发,构造AI金融的新基建。数据,是人工智能时代的油田。只见其储藏丰富,人人欲采,却不见其步步生险。冲不破的信息孤岛

微众银行区块链WeDPR隐私保护白皮书

公众号后台回复:隐私保护即可获取《微众银行区块链WeDPR隐私保护白皮书》高清PDF。在大数据、云计算、物联网、区块链、人工智能等前沿技术纷纷涌现的今天,数据的强大生产力和内在价值被人们广泛认可,但随之而来的弊端就是隐私被泄露的可能性大大增加,几乎每个人都或多或少有过个人信息被滥用的遭遇。隐私保护和信息安全由此越来越受到社会各界的重视,欧盟《通用数据保护法案》(GDPR)的出台,更是树立了隐私保护

基于区块链技术的物联网边缘计算解决方案

01目标与概述在当今智能交通、智慧城市、智能家居为代表的民用物联网领域,存在着以下几大瓶颈问题。(1)商业模式成熟缓慢对于任何一次信息产业革命来说,出现能成熟发展的新型商业盈利模式是必然的结果,但这一点在物联网领域进展缓慢,RFID是目前仅有的大规模部署的物联网设施。物联网发展带来的经济效益主要集中在与其相关的电子元器件领域,庞大的物联网数据资源还没有找到具有规模效应的应用场景。(2)数据安全及隐

 

微众银行区块链已研发出e隐私保护解决方案

壹【微众银行区块链已研发出WeDPR隐私保护解决方案】微众区块链团队发文《微众银行区块链:WeDPR隐私保护白皮书》中指出:微众银行区块链团队自主研发了WeDPR隐私保护解决方案,依托区块链等分布式可信智能账本技术,融合密码算法、隐私保护算法、安全多方计算等专业领域前沿成果,兼顾用户体验和监管治理,针对隐私保护核心应用场景提供极致优化的技术方案,同时实现了公开可验证的隐私保护效果。目前,WeDPR

基于区块链针对社交网络中用户行为隐私保护的分布式数据库

基于区块链针对社交网络中用户行为隐私保护的分布式数据库Abstract社交网络每天都会记录大量的用户行为数据。通过分析这些行为数据,公司或攻击者将其用于营销或更可疑的目的。我们提出了一个基于区块链的模型来保护大数据环境下用户数据的隐私。传统的区块链方法需要太多资源来完成这项任务,因此,我们提出了一个在分布式区块链中保护敏感用户信息并将非敏感信息传递给主系统的模型,以便管理区块链的大小。我们的DEP

边缘计算融合区块链物联网的下一个风口

边缘计算是分布式计算技术的一种,是在靠近物联设备终端的位置上进行数据处理的方法物联网中边缘计算与区块链的结合是大势所趋,但需要解决安全、计算资源分配不均,及监管诸多问题刘玉书|文边缘计算与区块链是当前物联网领域火热的关键词。但相较于业界的火爆,政府始终保持着比较审慎的态度,截至当前,中央还没有正式推出相关重大战略。边缘计算和区块链都具有去中心化倾向,物联网作为智能制造的重要领域如何应对是政策评估和