論文の概要: Leakage-Resilient and Carbon-Neutral Aggregation Featuring the Federated AI-enabled Critical Infrastructure

• arxiv url: http://arxiv.org/abs/2405.15258v1
• Date: Fri, 24 May 2024 06:35:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-27 15:50:32.771333
• Title: Leakage-Resilient and Carbon-Neutral Aggregation Featuring the Federated AI-enabled Critical Infrastructure
• Title（参考訳）: フェデレーションAI対応臨界インフラを備えた漏れ耐性・カーボンニュートラル凝集
• Authors: Zehang Deng, Ruoxi Sun, Minhui Xue, Sheng Wen, Seyit Camtepe, Surya Nepal, Yang Xiang,
• Abstract要約: 本稿では,ACIネットワークに対するリーク耐性,通信効率,カーボンニュートラルアプローチを提案する。 また,CDPAは通信コストを半減し,モデルユーティリティを保ちながら通信コストを半減できることを示す。 我々はCDPAの2.6倍から100倍以上の炭素排出量を発生させる既存のベンチマークを強調した。
• 参考スコア（独自算出の注目度）: 42.688679691088204
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI-enabled critical infrastructures (ACIs) integrate artificial intelligence (AI) technologies into various essential systems and services that are vital to the functioning of society, offering significant implications for efficiency, security and resilience. While adopting decentralized AI approaches (such as federated learning technology) in ACIs is plausible, private and sensitive data are still susceptible to data reconstruction attacks through gradient optimization. In this work, we propose Compressed Differentially Private Aggregation (CDPA), a leakage-resilient, communication-efficient, and carbon-neutral approach for ACI networks. Specifically, CDPA has introduced a novel random bit-flipping mechanism as its primary innovation. This mechanism first converts gradients into a specific binary representation and then selectively flips masked bits with a certain probability. The proposed bit-flipping introduces a larger variance to the noise while providing differentially private protection and commendable efforts in energy savings while applying vector quantization techniques within the context of federated learning. The experimental evaluation indicates that CDPA can reduce communication cost by half while preserving model utility. Moreover, we demonstrate that CDPA can effectively defend against state-of-the-art data reconstruction attacks in both computer vision and natural language processing tasks. We highlight existing benchmarks that generate 2.6x to over 100x more carbon emissions than CDPA. We hope that the CDPA developed in this paper can inform the federated AI-enabled critical infrastructure of a more balanced trade-off between utility and privacy, resilience protection, as well as a better carbon offset with less communication overhead.
• Abstract（参考訳）: AI対応クリティカルインフラストラクチャ(ACI)は、人工知能(AI)技術を、社会の機能に不可欠なさまざまな重要なシステムやサービスに統合し、効率、セキュリティ、レジリエンスに重大な影響を与える。 ACIに分散AIアプローチ(フェデレートドラーニング技術など)を採用することは確実だが、プライベートデータとセンシティブデータは、勾配最適化によるデータ再構成攻撃の影響を受けやすい。 本研究では,ACIネットワークに対するリーク耐性,通信効率,炭素中性アプローチであるCompressed Differentially Private Aggregation (CDPA)を提案する。 特にCDPAは、その主要な革新として、新しいランダムビットフリップ機構を導入した。 このメカニズムはまず勾配を特定のバイナリ表現に変換し、次に特定の確率でマスクされたビットを選択的にフリップする。 提案したビットフリップは,差分プライベートな保護と省エネへの貢献と,フェデレート学習の文脈におけるベクトル量子化技術の適用を両立させながら,ノイズに大きなばらつきをもたらす。 実験の結果,CDPAはモデルユーティリティを維持しながら通信コストを半減できることがわかった。 さらに,コンピュータビジョンと自然言語処理の両タスクにおいて,CDPAは最先端のデータ再構成攻撃に対して効果的に防御可能であることを示す。 我々はCDPAの2.6倍から100倍以上の炭素排出量を発生させる既存のベンチマークを強調した。 本稿で開発されたCDPAは,ユーティリティとプライバシのバランスのとれたトレードオフ,レジリエンス保護,通信オーバーヘッドの低減によるカーボンオフセットの向上といった,AI対応のクリティカルインフラストラクチャを通知するものです。

関連論文リスト

• AI-in-the-Loop Sensing and Communication Joint Design for Edge Intelligence [65.29835430845893]
  本稿では,AI-in-the-loopジョイントセンシングと通信によるエッジインテリジェンス向上のためのフレームワークを提案する。 私たちの研究の重要な貢献は、バリデーション損失とシステムのチューニング可能なパラメータとの間に明確な関係を確立することです。 提案手法は, 通信エネルギー消費を最大77%削減し, 試料数で測定した検知コストを最大52%削減する。
  論文  参考訳（メタデータ） (2025-02-14T14:56:58Z)
• Beyond Model Scale Limits: End-Edge-Cloud Federated Learning with Self-Rectified Knowledge Agglomeration [13.056361971363902]
  自己認識型知識集約(FedEEC)を用いたエンドエッジクラウドフェデレーション学習を提案する。 FedEECは、EECCを内蔵した新しいFLフレームワークで、エンド、エッジ、クラウドといったトレーニングされたモデルが、サイズが大きくなり、能力も向上する。
  論文  参考訳（メタデータ） (2025-01-01T01:11:16Z)
• Zero-Forget Preservation of Semantic Communication Alignment in Distributed AI Networks [38.5438416972178]
  セマンティック・コミュニケーションのアライメントを維持するため,ゼロ・オブジェクト・ドメイン適応フレームワークを提案する。 提案するフレームワークは,DA性能がほとんど失われることなく,SCアライメントを完全に維持する。
  論文  参考訳（メタデータ） (2024-11-28T21:28:18Z)
• Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
  産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。 製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• ASCENT: Amplifying Power Side-Channel Resilience via Learning & Monte-Carlo Tree Search [19.22091270437206]
  パワーサイドチャネル (PSC) 解析は、暗号ハードウェアのセキュア化に重要である。 以前の技術は、チップ設計自動化から得られたゲートレベルのネットリストの確保に重点を置いていた。 我々は,PSC対策の全体的レジリエンスを高めるため,論理段階を改良する"セキュリティファースト"アプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-27T22:01:00Z)
• Generative AI for Secure and Privacy-Preserving Mobile Crowdsensing [74.58071278710896]
  生成AIは、学術分野と産業分野の両方から多くの注目を集めている。 セキュアでプライバシ保護のモバイルクラウドセンシング(SPPMCS)は、データ収集/取得に広く応用されている。
  論文  参考訳（メタデータ） (2024-05-17T04:00:58Z)
• Federated Learning-Empowered AI-Generated Content in Wireless Networks [58.48381827268331]
  フェデレートドラーニング(FL)は、学習効率を改善し、AIGCのプライバシー保護を達成するために利用することができる。 我々は,AIGCの強化を目的としたFLベースの技術を提案し,ユーザが多様でパーソナライズされた高品質なコンテンツを作成できるようにすることを目的とする。
  論文  参考訳（メタデータ） (2023-07-14T04:13:11Z)
• Causal Semantic Communication for Digital Twins: A Generalizable Imitation Learning Approach [74.25870052841226]
  デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。 無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。 DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
  論文  参考訳（メタデータ） (2023-04-25T00:15:00Z)
• FedDiSC: A Computation-efficient Federated Learning Framework for Power Systems Disturbance and Cyber Attack Discrimination [1.0621485365427565]
  本稿では,フェデレート学習に基づくプライバシ保護と通信効率の高い攻撃検出フレームワークであるFedDiSCを提案する。 我々は、電力システムとサイバーセキュリティの異常を正確に検出するために、表現学習に基づくDeep Auto-Encoderネットワークを提案する。 提案手法を現実のサイバー攻撃検出のタイムラインに適応させるために,DP-SIGNSGDとして知られる勾配プライバシー保護量子化方式を利用する。
  論文  参考訳（メタデータ） (2023-04-07T13:43:57Z)

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。