論文の概要: Artificial Intelligence for Secured Information Systems in Smart Cities: Collaborative IoT Computing with Deep Reinforcement Learning and Blockchain
- arxiv url: http://arxiv.org/abs/2409.16444v1
- Date: Tue, 24 Sep 2024 20:25:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-27 08:21:10.153250
- Title: Artificial Intelligence for Secured Information Systems in Smart Cities: Collaborative IoT Computing with Deep Reinforcement Learning and Blockchain
- Title(参考訳): スマートシティにおけるセキュアな情報システムのための人工知能: 深層強化学習とブロックチェーンによるコラボレーション型IoTコンピューティング
- Authors: Amin Zakaie Far, Mohammad Zakaie Far, Sonia Gharibzadeh, Shiva Zangeneh, Leila Amini, Morteza Rahimi,
- Abstract要約: IoT(Internet of Things)の急速な拡張は、特にスマートシティやスマートマニュファクチャリングのようなインフラストラクチャにおいて、プライバシ、セキュリティ、データの整合性に関連する問題を引き起こしている。
本稿では,IoTを活用したスマートシティにおけるモバイルトランスミッションとセキュアなデータ交換を最適化するためのブロックチェーンと深層強化学習の統合について検討する。
- 参考スコア(独自算出の注目度): 0.8906214436849204
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The accelerated expansion of the Internet of Things (IoT) has raised critical challenges associated with privacy, security, and data integrity, specifically in infrastructures such as smart cities or smart manufacturing. Blockchain technology provides immutable, scalable, and decentralized solutions to address these challenges, and integrating deep reinforcement learning (DRL) into the IoT environment offers enhanced adaptability and decision-making. This paper investigates the integration of blockchain and DRL to optimize mobile transmission and secure data exchange in IoT-assisted smart cities. Through the clustering and categorization of IoT application systems, the combination of DRL and blockchain is shown to enhance the performance of IoT networks by maintaining privacy and security. Based on the review of papers published between 2015 and 2024, we have classified the presented approaches and offered practical taxonomies, which provide researchers with critical perspectives and highlight potential areas for future exploration and research. Our investigation shows how combining blockchain's decentralized framework with DRL can address privacy and security issues, improve mobile transmission efficiency, and guarantee robust, privacy-preserving IoT systems. Additionally, we explore blockchain integration for DRL and outline the notable applications of DRL technology. By addressing the challenges of machine learning and blockchain integration, this study proposes novel perspectives for researchers and serves as a foundational exploration from an interdisciplinary standpoint.
- Abstract(参考訳): IoT(Internet of Things)の急速な拡張は、特にスマートシティやスマートマニュファクチャリングのようなインフラストラクチャにおいて、プライバシ、セキュリティ、データの整合性に関連する重要な問題を引き起こしている。
ブロックチェーン技術は、これらの課題に対処するために不変でスケーラブルで分散化されたソリューションを提供し、IoT環境に深層強化学習(DRL)を統合することで、適応性と意思決定の強化を提供する。
本稿では,IoTを活用したスマートシティにおけるモバイルトランスミッションとセキュアなデータ交換を最適化するためのブロックチェーンとDRLの統合について検討する。
IoTアプリケーションシステムのクラスタリングと分類を通じて、DRLとブロックチェーンの組み合わせによって、プライバシとセキュリティを維持することにより、IoTネットワークのパフォーマンスが向上することが示されている。
我々は,2015年から2024年にかけて発行された論文のレビューに基づいて,提案手法を分類し,実践的な分類法を提示した。
私たちの調査は、ブロックチェーンの分散フレームワークとDRLを組み合わせることで、プライバシとセキュリティの問題に対処し、モバイルトランスミッション効率を改善し、堅牢でプライバシ保護のIoTシステムを保証する方法を示しています。
さらに、DRLのブロックチェーン統合についても検討し、DRL技術の注目すべき応用について概説する。
機械学習とブロックチェーンの統合の課題に対処することにより、研究者のための新しい視点を提案し、学際的な視点から基礎的な探索を行う。
関連論文リスト
- AI-Protected Blockchain-based IoT environments: Harnessing the Future of Network Security and Privacy [0.0]
本稿では,ブロックチェーン対応IoTシステムにおいて,人工知能が果たす重要な役割について考察する。
AIと組み合わせると、これらのシステムはセキュリティプロトコルの自動化と最適化だけでなく、新しく進化するサイバー脅威に対応する能力を得る。
本稿は、AIによって強化されたブロックチェーン技術がIoT環境におけるネットワークセキュリティとプライバシに革命をもたらす方法について、より深く理解することを目的としている。
論文 参考訳(メタデータ) (2024-05-22T17:14:19Z) - Blockchains for Internet of Things: Fundamentals, Applications, and Challenges [38.29453164670072]
すべてのブロックチェーンシステムが、特定のIoTアプリケーションに適しているわけではない。
パブリックブロックチェーンは機密データを格納するのに適していない。
ブロックチェーンのアプリケーションを、エッジAI、通信、ヘルスケアの3つの重要なIoT領域で調査する。
論文 参考訳(メタデータ) (2024-05-08T04:25:57Z) - Decentralized Multimedia Data Sharing in IoV: A Learning-based Equilibrium of Supply and Demand [57.82021900505197]
インターネット・オブ・ビークルズ(IoV)は、道路の安全性を高め、交通渋滞を軽減し、インフォテインメントアプリケーションを通じてユーザーエクスペリエンスを向上させることにより、交通システムを変革する大きな可能性を秘めている。
分散データ共有は、セキュリティ、プライバシ、信頼性を改善し、IoVにおけるインフォテインメントデータの共有を容易にする。
市場における需給バランスを学習するための多知能強化学習に基づく分散型データ共有インセンティブ機構を提案する。
論文 参考訳(メタデータ) (2024-03-29T14:58:28Z) - 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) - 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) - From Generative AI to Generative Internet of Things: Fundamentals,
Framework, and Outlooks [82.964958051535]
生成人工知能(GAI)は、現実的なデータを生成し、高度な意思決定を促進する能力を持っている。
GAIを現代のモノのインターネット(IoT)に統合することによって、ジェネレーティブ・インターネット・オブ・モノ(GIoT)が登場し、社会の様々な側面に革命をもたらす大きな可能性を秘めている。
論文 参考訳(メタデータ) (2023-10-27T02:58:11Z) - Towards Artificial General Intelligence (AGI) in the Internet of Things
(IoT): Opportunities and Challenges [55.82853124625841]
人工知能(Artificial General Intelligence, AGI)は、人間の認知能力でタスクを理解し、学習し、実行することができる能力を持つ。
本研究は,モノのインターネットにおけるAGIの実現に向けた機会と課題を探究する。
AGIに注入されたIoTの応用スペクトルは広く、スマートグリッド、住宅環境、製造、輸送から環境モニタリング、農業、医療、教育まで幅広い領域をカバーしている。
論文 参考訳(メタデータ) (2023-09-14T05:43:36Z) - Over-The-Air Federated Learning: Status Quo, Open Challenges, and Future
Directions [78.5371215066019]
オーバー・ザ・エア・フェデレーション・ラーニング(OTA-FL)は、ネットワークエッジのユーザがスペクトルリソースを共有でき、効率的で低レイテンシなグローバルモデルアグリゲーションを実現する。
本稿では,OTA-FLの進展を概観し,今後の研究方向性について述べる。
論文 参考訳(メタデータ) (2023-07-03T12:44:52Z) - Blockchained Federated Learning for Internet of Things: A Comprehensive
Survey [30.032413027090275]
この調査は、フェデレートラーニング(BlockFL)を包括的にレビューした
既存のBlockFLモデルを4つのIoT(Internet-of-Things)アプリケーションシナリオで比較する。
分析の結果、分散化と透明性の両面から、BlockFLは分散モデルトレーニングのためのセキュアで効果的なソリューションであることがわかった。
論文 参考訳(メタデータ) (2023-05-08T07:14:50Z) - A Reliable Data-transmission Mechanism using Blockchain in Edge
Computing Scenarios [22.92724948442006]
ブロックチェーンの分散アーキテクチャを用いて,データを改ざんしないようにするブロックチェーンに基づくデータ伝送機構を提案する。
シミュレーションの結果,提案手法はモノのインターネットにおけるデータ伝送の信頼性をある程度確保できることがわかった。
論文 参考訳(メタデータ) (2022-02-07T00:49:41Z)
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。