文献

J-GLOBAL ID：202202229646451822   整理番号：22A0977296

モバイルエッジネットワーク上の連合学習のための二層ブロックチェーンアーキテクチャ【JST・京大機械翻訳】

Two-Layered Blockchain Architecture for Federated Learning Over the Mobile Edge Network

著者 (6件)： Feng Lei (Beijing University of Posts and Telecommunications,China) ,  Yang Zhixiang (Beijing University of Posts and Telecommunications,China) ,  Guo Shaoyong (Beijing University of Posts and Telecommunications,China) ,  Qiu Xuesong (Beijing University of Posts and Telecommunications,China) ,  Li Wenjing (Beijing University of Posts and Telecommunications,China) ,  Yu Peng (Beijing University of Posts and Telecommunications,China)
資料名： IEEE Network  (IEEE Network)
巻： 36  号： 1  ページ： 45-51  発行年： 2022年 
JST資料番号： T0135A  ISSN： 0890-8044  資料種別： 逐次刊行物 (A)
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： 反復学習(FL)は,局所デバイスに関する生訓練データを維持しながら,プライバシー保護分散人工知能に対する道路として見られる。ブロックチェーンをレバーすることによって,本論文は,モバイルエッジネットワーク上でFLを適用するとき,セキュリティと信用問題を管理するためのブロックチェーンとFL融合フレームワークを提案した。第1に,2つのタイプのブロックチェーン,即ち,デバイスツーデバイス(D2D)通信によって支援された局所モデル更新チェーン(LMUC),およびグローバルモデル更新チェーン(GMUC)支援タスクハードニングから成る2層アーキテクチャを提案する。D2D支援LMUCは,局所モデル訓練結果の全てを年代的かつ効率的に記録するために設計され,それは局所装置の長期評判を形成するのを助けることができる。GMUCは,モバイルエッジコンピューティングノードを誤動作から防ぐことによりセキュリティと効率の両方を提供し,それらを論理的に分離したFLタスク特異的チェーンに分割することを提案する。次に,レプテーション学習ベースのインセンティブ機構を導入して,スマート契約によって実装された報酬によって,より信頼できる参加型ローカルデバイスを作った。最後に,事例研究を与えて,提案フレームワークがFL学習精度とブロックチェーン時間遅れに関してよく機能することを示した。Copyright 2022 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： *学習 ,  *チェーン ,  道路 ,  人工知能 ,  通信 ,  モデル ,  事例研究 ,  *計算機アーキテクチャ ,  セキュリティ ,  *携帯電話 ,  レプテーション
準シソーラス用語： 訓練データ ,  プライバシー保護 ,  D2D ,  *ブロックチェーン , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  移動通信  (ND08030H)

タイトルに関連する用語 (4件)： 学習 ,  二層 ,  ブロックチェーン ,  アーキテクチャ