論文の概要: A Systematic Literature Review on Blockchain Enabled Federated Learning
Framework for Internet of Vehicles
- arxiv url: http://arxiv.org/abs/2203.05192v1
- Date: Thu, 10 Mar 2022 07:06:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-12 00:42:50.161234
- Title: A Systematic Literature Review on Blockchain Enabled Federated Learning
Framework for Internet of Vehicles
- Title（参考訳）: ブロックチェーンによる自動車用フェデレーション学習フレームワークに関する体系的文献レビュー
- Authors: Mustain Billah, Sk. Tanzir Mehedi, Adnan Anwar, Ziaur Rahman and
Rafiqul Islam
- Abstract要約: フェデレートラーニング(FL)は、IoVのデータプライバシとセキュリティを保護する新しいアイデアとして証明されている。
IoVに対するBC-Enabled Learningフレームワークの適用と実装に関する総合的な調査を行う。
- 参考スコア（独自算出の注目度）: 1.0499611180329804
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: While the convergence of Artificial Intelligence (AI) techniques with
improved information technology systems ensured enormous benefits to the
Internet of Vehicles (IoVs) systems, it also introduced an increased amount of
security and privacy threats. To ensure the security of IoVs data, privacy
preservation methodologies have gained significant attention in the literature.
However, these strategies also need specific adjustments and modifications to
cope with the advances in IoVs design. In the interim, Federated Learning (FL)
has been proven as an emerging idea to protect IoVs data privacy and security.
On the other hand, Blockchain technology is showing prominent possibilities
with secured, dispersed, and auditable data recording and sharing schemes. In
this paper, we present a comprehensive survey on the application and
implementation of Blockchain-Enabled Federated Learning frameworks for IoVs.
Besides, probable issues, challenges, solutions, and future research directions
for BC-Enabled FL frameworks for IoVs are also presented. This survey can
further be used as the basis for developing modern BC-Enabled FL solutions to
resolve different data privacy issues and scenarios of IoVs.
- Abstract（参考訳）: 情報技術システムの改良による人工知能(AI)技術の統合は、IoT(Internet of Vehicles)システムに多大な利益をもたらす一方で、セキュリティとプライバシの脅威の増大も引き起こした。
IoVsデータのセキュリティを確保するために、プライバシー保護方法論が文献で注目されている。
しかし、これらの戦略は、IoVの設計の進歩に対応するために、特定の調整と修正も必要である。
この間、フェデレートラーニング(FL)は、IoVのデータプライバシとセキュリティを保護する新しいアイデアとして証明されてきた。
一方、ブロックチェーン技術は、セキュアで分散した監査可能なデータ記録と共有スキームにおいて、大きな可能性を示している。
本稿では,IoVを対象としたBlockchain-Enabled Federated Learningフレームワークの適用と実装に関する総合的な調査を行う。
さらに、BC-Enabled FL framework for IoVsの潜在的な問題、課題、解決策、今後の研究方向性についても紹介する。
この調査は、さまざまなデータプライバシ問題とIoVのシナリオを解決するために、最新のBC-Enabled FLソリューションの開発の基礎として、さらに使用できる。
関連論文リスト
- Privacy Threats and Countermeasures in Federated Learning for Internet of Things: A Systematic Review [0.0]
モノのインターネット(IoT)におけるフェデレーション学習(Federated Learning in the Internet of Things)は、重要なプライバシとセキュリティ上の懸念をもたらす可能性がある。
我々は最近の文献を体系的に分析し、IoT環境内のFLにおけるプライバシーの脅威を特定した。
我々はこれらの脅威を軽減するために使用できる防衛措置を評価した。
論文 参考訳（メタデータ） (2024-07-25T15:01:56Z) - Differentiated Security Architecture for Secure and Efficient Infotainment Data Communication in IoV Networks [55.340315838742015]
IoVネットワークにおけるインフォテインメントデータ通信の安全性の欠如は、社会的エンジニアリング攻撃の容易なアクセスポイントを意図せずに開放することができる。
特に、まずIoVネットワークでデータ通信を分類し、各データ通信のセキュリティ焦点を調べ、その後、ファイル間通信でセキュリティ保護を提供するための異なるセキュリティアーキテクチャを開発する。
論文 参考訳（メタデータ） (2024-03-29T12:01:31Z) - Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。
フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。
本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
論文 参考訳（メタデータ） (2024-03-28T07:08:26Z) - Generative AI-enabled Blockchain Networks: Fundamentals, Applications,
and Case Study [73.87110604150315]
Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。
本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
論文 参考訳（メタデータ） (2024-01-28T10:46:17Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。
本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。
新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
論文 参考訳（メタデータ） (2024-01-03T07:47:22Z) - A Blockchain Solution for Collaborative Machine Learning over IoT [0.31410859223862103]
フェデレートラーニング(FL)とブロックチェーン技術は、これらの課題に対処するための有望なアプローチとして現れています。
我々は、漸進学習ベクトル量子化アルゴリズム(XuILVQ)とブロックチェーン技術を組み合わせた、新しいIoTソリューションを提案する。
提案アーキテクチャは,データプライバシとセキュリティを維持しながら,計算オーバーヘッドと通信オーバーヘッドを削減することにより,既存のブロックチェーンベースのFLソリューションの欠点に対処する。
論文 参考訳（メタデータ） (2023-11-23T18:06:05Z) - Navigating the IoT landscape: Unraveling forensics, security issues, applications, research challenges, and future [6.422895251217666]
本稿では、異なる分野におけるIoTに関する法医学的およびセキュリティ上の問題についてレビューする。
ほとんどのIoTデバイスは、標準的なセキュリティ対策が欠如しているため、攻撃に対して脆弱である。
消費者のセキュリティを意識したニーズを満たすために、IoTはスマートホームシステムの開発に使用できる。
論文 参考訳（メタデータ） (2023-09-06T04:41:48Z) - HBFL: A Hierarchical Blockchain-based Federated Learning Framework for a
Collaborative IoT Intrusion Detection [0.0]
セキュアでプライバシ保護されたコラボレーティブなIoT侵入検出を実現するために,階層的なブロックチェーンベースのフェデレーション学習フレームワークを提案する。
MLベースの侵入検出フレームワークの提案は、学習プロセスと組織データのプライバシを確保するために、階層的なフェデレーション付き学習アーキテクチャに従っている。
その結果は、データプライバシを保持しながら、広範囲の悪意あるアクティビティを検出できる、セキュアに設計されたMLベースの侵入検知システムである。
論文 参考訳（メタデータ） (2022-04-08T19:06:16Z) - Reinforcement Learning for IoT Security: A Comprehensive Survey [4.0059435854780965]
セキュリティは、多くの攻撃ベクトル、セキュリティ欠陥、脆弱性を持つIoTシステムにおいて、長期にわたる課題です。
本稿では,異なる種類のIoTシステムに対するサイバー攻撃に関する包括的調査を行う。
次に、さまざまなIoTシステムにおけるさまざまなタイプの攻撃に対抗する強化学習と深層強化学習ベースのセキュリティソリューションを提示します。
論文 参考訳（メタデータ） (2021-02-14T21:09:49Z) - Privacy and Robustness in Federated Learning: Attacks and Defenses [74.62641494122988]
このトピックに関する最初の包括的な調査を実施します。
FLの概念の簡潔な紹介と、1脅威モデル、2堅牢性に対する中毒攻撃と防御、3プライバシーに対する推論攻撃と防御、というユニークな分類学を通じて、私たちはこの重要なトピックのアクセス可能なレビューを提供します。
論文 参考訳（メタデータ） (2020-12-07T12:11:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。