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

• A Lightweight Edge-CNN-Transformer Model for Detecting Coordinated Cyber and Digital Twin Attacks in Cooperative Smart Farming [0.0]
  ある農場でのサイバー攻撃は広範囲に及ぼし、標的の農場だけでなく、協同組合内の全ての農場にも影響を及ぼす可能性がある。 本研究は協調型スマートファーミング(CSF)のための新規でセキュアなアーキテクチャを提案する。 本稿では,CNN変換器を用いたネットワーク異常検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-11-22T04:52:13Z)
• Cyber Attacks Prevention Towards Prosumer-based EV Charging Stations: An Edge-assisted Federated Prototype Knowledge Distillation Approach [25.244719630000407]
  本稿では,1)ネットワークトラフィック(NT)データに対するサイバーアタック検出と,2)サイバーアタック介入の2つの側面について述べる。 本稿では,各クライアントを専用ローカルエッジサーバ(DLES)上に配置するエッジ支援型プロトタイプ知識蒸留(E-FPKD)手法を提案する。 実験分析により、提案したE-FPKDは、NSL-KDD、UNSW-NB15、IoTID20データセット上で最大のODCを達成可能であることが示された。
  論文  参考訳（メタデータ） (2024-10-17T06:31:55Z)
• 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で、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。 産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
  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)
• Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual Antenna Arrays [55.736718475856726]
  無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である 既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。 協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
  論文  参考訳（メタデータ） (2023-08-03T02:49:50Z)
• 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。