文献

J-GLOBAL ID：202102250407110147   整理番号：21A0672642

Perturb Me:IoTにおける機械学習のためのセキュアなByzantine-Robust機構【JST・京大機械翻訳】

Do Not Perturb Me: A Secure Byzantine-Robust Mechanism for Machine Learning in IoT

著者 (6件)： Ma Xindi (School of Cyber Engineering, Xidian University,Shaanxi,China) ,  Zhang Junying (College of Engineering, Peking University,Beijing,China) ,  Ma Jianfeng (School of Cyber Engineering, Xidian University,Shaanxi,China) ,  Jiang Qi (School of Cyber Engineering, Xidian University,Shaanxi,China) ,  Gao Sheng (School of Information, Central University of Finance and Economics,Beijing,China) ,  Xie Kang (Key Lab of Information Network Security, Ministry of Public Security,Shanghai,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： NaNA  ページ： 348-354  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： モノのインターネット(IoTs)とビッグデータの開発により,協調機械学習は,システム性能を改善し,人々のためのより多様なサービスを提供するために,IoTにおいて多くの印象的な成功を達成した。協調学習のための動機の一つはプライバシー保護であるが,敵対者はタスクノード共有情報を通して推論攻撃をまだ打ち出すことができる。より悪いので,いくつかのタスクノードは,全体のシステムを妥協するために,ビザンチン攻撃者として実行することができた。多くのビザンチン-ロバスト機構が提案されているが,実際には現実的でない2つの非収集サーバに関する計算をアウトソーシングし,1サーバアーキテクチャにおいてプライバシー問題があった。本論文では,IoTデバイスを他者に局所データを曝露せずに協調モデル訓練を実現するため,安全なByzantine-ロバスト協調機械学習(Omega)のための新しい機構を設計した。特に,単一サーバアーキテクチャを構築し,パラメータ勾配のプライベート集合を達成し,タスクノードの局所データを保護し,nノードのn-1を照合した。また,新しい安全なビザンチン-ロバストプロトコルを設計して,ビザンチン攻撃に抵抗し,このプロトコルを任意の距離ベースのロバストルールに拡張できる。さらに,Omegaはタスクノードのプライバシー保護を確実にすることができることを証明した。最後に,実世界データセット上のOmegaを評価するための実験を行い,経験的結果は,Omegaが協調機械学習を効率的に達成できることを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： プライバシー ,  ロバスト性 ,  *機械学習 ,  アウトソーシング
準シソーラス用語： 敵対者 ,  協調学習 ,  協調モデル ,  プライバシー保護 ,  モノのインターネット ,  ビッグデータ ,  攻撃者 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

物質索引 (1件)： ビザンチン

タイトルに関連する用語 (2件)： IoT ,  機械学習