論文の概要: Social Metaverse: Challenges and Solutions
- arxiv url: http://arxiv.org/abs/2301.10221v1
- Date: Fri, 20 Jan 2023 09:03:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 13:48:26.883619
- Title: Social Metaverse: Challenges and Solutions
- Title(参考訳): 社会メタバース:挑戦と解決策
- Authors: Yuntao Wang, Zhou Su, and Miao Yan
- Abstract要約: ソーシャルメタバース(Social Metaverse)は、ユーザーが遊び、買い物、仕事、社会化するための一連の相互接続された仮想世界を組み合わせたデジタル空間である。
本稿では,ユーザ・アバター間の広汎な社会的結びつきを利用して,ソーシャル・アウェアな階層的FLフレームワークを推し進める。
- 参考スコア(独自算出の注目度): 13.507867231467985
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social metaverse is a shared digital space combining a series of
interconnected virtual worlds for users to play, shop, work, and socialize. In
parallel with the advances of artificial intelligence (AI) and growing
awareness of data privacy concerns, federated learning (FL) is promoted as a
paradigm shift towards privacy-preserving AI-empowered social metaverse.
However, challenges including privacy-utility tradeoff, learning reliability,
and AI model thefts hinder the deployment of FL in real metaverse applications.
In this paper, we exploit the pervasive social ties among users/avatars to
advance a social-aware hierarchical FL framework, i.e., SocialFL for a better
privacy-utility tradeoff in the social metaverse. Then, an aggregator-free
robust FL mechanism based on blockchain is devised with a new block structure
and an improved consensus protocol featured with on/off-chain collaboration.
Furthermore, based on smart contracts and digital watermarks, an automatic
federated AI (FedAI) model ownership provenance mechanism is designed to
prevent AI model thefts and collusive avatars in social metaverse. Experimental
findings validate the feasibility and effectiveness of proposed framework.
Finally, we envision promising future research directions in this emerging
area.
- Abstract(参考訳): ソーシャルメタバース(Social Metaverse)は、ユーザーが遊び、買い物、仕事、社会化するための一連の相互接続された仮想世界を組み合わせたデジタル空間である。
人工知能(AI)の進歩とデータプライバシに関する関心の高まりと並行して、フェデレーション学習(FL)は、プライバシ保護によるAIを活用した社会メタバースへのパラダイムシフトとして推奨されている。
しかしながら、プライバシユーティリティのトレードオフ、学習信頼性、AIモデル盗難といった課題は、実際のメタバースアプリケーションにおけるFLの展開を妨げる。
本稿では,ソーシャルメタバースにおけるプライバシ利用のトレードオフを改善するために,ユーザ/アバター間の広く普及するソーシャル関係を利用して,ソーシャルアウェアな階層的flフレームワーク,すなわちsocialflを前進させる。
次に,ブロックチェーンに基づくアグリゲータフリーなロバストfl機構を,新たなブロック構造とオン/オフチェーンコラボレーションを特徴とするコンセンサスプロトコルによって考案した。
さらに、スマートコントラクトとデジタル透かしに基づいて、AIモデル盗難や社会メタバースの衝突アバターを防止するために、自動フェデレーションAI(FedAI)モデルのオーナシップ証明機構が設計されている。
実験により,提案フレームワークの有効性と有効性が確認された。
最後に,この新興地域での今後の研究の方向性について展望する。
関連論文リスト
- BotDGT: Dynamicity-aware Social Bot Detection with Dynamic Graph Transformers [34.517897902575946]
BotDGTはトポロジカルな構造を考慮した新しいフレームワークであるが、ソーシャルネットワークの動的な性質を効果的に取り入れている。
各歴史的スナップショットからトポロジ情報を取得するために構造モジュールが使用される。
時間的モジュールは、歴史的コンテキストを統合し、社会的ボットや正当なユーザによって提示される進化する行動パターンをモデル化するために提案される。
論文 参考訳(メタデータ) (2024-04-23T14:19:13Z) - SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents [107.4138224020773]
人工エージェントと人間との複雑な社会的相互作用をシミュレートするオープンエンド環境であるSOTOPIAを提案する。
エージェントは、複雑な社会的目標を達成するために協調し、協力し、交換し、互いに競い合う。
GPT-4は,人間よりも目標達成率が著しく低く,社会的常識的推論や戦略的コミュニケーション能力の発揮に苦慮していることがわかった。
論文 参考訳(メタデータ) (2023-10-18T02:27:01Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳(メタデータ) (2023-07-29T12:54:03Z) - Privacy Computing Meets Metaverse: Necessity, Taxonomy and Challenges [29.22630037716171]
我々は、プライバシーコンピューティングがメタバースに合うときの必要性、分類、課題について包括的な研究を行う。
まず、メタバースの基盤技術と様々な応用を紹介し、メタバースにおけるデータ利用の課題を分析する。
次に、メタバースにおける異なるプライバシー問題に対する学習、差分プライバシー、同型暗号化、ゼロ知識に基づく最先端のソリューションをレビューし、要約する。
論文 参考訳(メタデータ) (2023-04-23T13:05:58Z) - Social-Aware Clustered Federated Learning with Customized Privacy Preservation [38.00035804720786]
本稿では,ソーシャル・アウェア・クラスタ・フェデレーション・ラーニングの新たな手法を提案する。
モデル更新をソーシャルグループに混ぜ合わせることで、敵はソーシャル層を組み合わせた結果のみを盗むことができるが、個人のプライバシーを盗むことはできない。
FacebookネットワークとMNIST/CIFAR-10データセットの実験は、SCFLが学習ユーティリティを効果的に強化し、ユーザの支払いを改善し、カスタマイズ可能なプライバシ保護を強制できることを検証する。
論文 参考訳(メタデータ) (2022-12-25T10:16:36Z) - Secure and Trustworthy Artificial Intelligence-Extended Reality (AI-XR)
for Metaverses [14.042795506083117]
我々は,AI-XRメタバースアプリケーションにおける各種AI技術の利用に伴う,セキュリティ,プライバシ,信頼性の面について議論する。
我々は、セキュアでプライベートで堅牢で信頼できるAI-XRアプリケーションを開発するために活用できる潜在的なソリューションの分類を提示する。
論文 参考訳(メタデータ) (2022-10-24T14:26:59Z) - APPFLChain: A Privacy Protection Distributed Artificial-Intelligence
Architecture Based on Federated Learning and Consortium Blockchain [6.054775780656853]
APPFLChainと呼ばれる新しいシステムアーキテクチャを提案する。
これはHyperledger Fabricベースのブロックチェーンとフェデレーション学習パラダイムの統合アーキテクチャである。
我々の新しいシステムは、機密性の高い個人情報をサーバに共有する必要がないため、高いセキュリティとプライバシを維持することができる。
論文 参考訳(メタデータ) (2022-06-26T05:30:07Z) - A Full Dive into Realizing the Edge-enabled Metaverse: Visions, Enabling
Technologies,and Challenges [93.06849621984684]
モバイルインターネットの後継である「メタバース」の人気が高まっている。
メタバースの礼儀正しいバージョンは現存しているが、没入的で具現化され、相互運用可能なメタバースの完全なビジョンを実現するには程遠い。
通信やネットワークによる実装の問題に対処しない限り、Metaverseはインターネットを継承することは困難である。
本稿では、リソース制約のあるエッジデバイス上でのメタバースを実現するために、計算課題とクラウド・エッジ・コンピューティング・フレームワーク駆動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) (2022-03-10T16:48:51Z) - Artificial Intelligence for the Metaverse: A Survey [66.57225253532748]
まず、機械学習アルゴリズムやディープラーニングアーキテクチャを含むAIの予備と、メタバースにおけるその役割について紹介する。
次に、メタバースの可能性を秘めた6つの技術的側面に関するAIベースの手法に関する包括的調査を行う。
医療、製造業、スマートシティ、ゲームなどのAI支援アプリケーションは、仮想世界に展開するために研究されている。
論文 参考訳(メタデータ) (2022-02-15T03:34:56Z) - PHASE: PHysically-grounded Abstract Social Events for Machine Social
Perception [50.551003004553806]
私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。
フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。
ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
論文 参考訳(メタデータ) (2021-03-02T18:44:57Z) - 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。