論文の概要: Blockchain-Enabled Variational Information Bottleneck for Data
Extraction Based on Mutual Information in Internet of Vehicles
- arxiv url: http://arxiv.org/abs/2409.17287v1
- Date: Fri, 20 Sep 2024 17:30:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-30 12:41:44.057738
- Title: Blockchain-Enabled Variational Information Bottleneck for Data
Extraction Based on Mutual Information in Internet of Vehicles
- Title（参考訳）: データのためのブロックチェーンで実現可能な変分情報基盤
自動車のインターネットにおける相互情報に基づく抽出
- Authors: Cui Zhang, Wenjun Zhang, Qiong Wu, Pingyi Fan, Nan Cheng, Wen Chen,
Khaled B. Letaief
- Abstract要約: Internet of Vehicles (IoV) ネットワークは、限られた計算資源と個々の車両のデータ処理能力の問題に対処することができる。
ブロックチェーン技術を適用することで、IoV内のセキュアなデータリンクを確立することが可能になる。
本稿では、ブロックチェーンをBVIBと呼ぶVIBと統合する革新的なアプローチを紹介し、計算処理の軽量化とネットワークのセキュリティ強化を目的としている。
- 参考スコア（独自算出の注目度）: 34.63863606532729
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Internet of Vehicles (IoV) network can address the issue of limited
computing resources and data processing capabilities of individual vehicles,
but it also brings the risk of privacy leakage to vehicle users. Applying
blockchain technology can establish secure data links within the IoV, solving
the problems of insufficient computing resources for each vehicle and the
security of data transmission over the network. However, with the development
of the IoV, the amount of data interaction between multiple vehicles and
between vehicles and base stations, roadside units, etc., is continuously
increasing. There is a need to further reduce the interaction volume, and
intelligent data compression is key to solving this problem. The VIB technique
facilitates the training of encoding and decoding models, substantially
diminishing the volume of data that needs to be transmitted. This paper
introduces an innovative approach that integrates blockchain with VIB, referred
to as BVIB, designed to lighten computational workloads and reinforce the
security of the network. We first construct a new network framework by
separating the encoding and decoding networks to address the computational
burden issue, and then propose a new algorithm to enhance the security of IoV
networks. We also discuss the impact of the data extraction rate on system
latency to determine the most suitable data extraction rate. An experimental
framework combining Python and C++ has been established to substantiate the
efficacy of our BVIB approach. Comprehensive simulation studies indicate that
the BVIB consistently excels in comparison to alternative foundational
methodologies.
- Abstract（参考訳）: Internet of Vehicles(IoV)ネットワークは、個々の車両の限られたコンピューティングリソースとデータ処理能力の問題に対処できるが、同時に、車両利用者にプライバシー漏洩のリスクも生じる。
ブロックチェーン技術を適用することで、IoV内のセキュアなデータリンクを確立することが可能になる。
しかし、IoVの開発に伴い、複数の車両間のデータ通信量や、車両と基地局、道路側ユニット等が継続的に増加傾向にある。
インタラクションのボリュームをさらに削減する必要がある。この問題を解決する上では、インテリジェントなデータ圧縮が鍵となる。
VIB技術は、符号化と復号化の訓練を容易にし、送信するデータ量を大幅に減らす。
本稿では、ブロックチェーンをBVIBと呼ぶVIBと統合する革新的なアプローチを紹介し、計算処理の軽量化とネットワークのセキュリティ強化を目的としている。
まず、計算負荷問題に対処するため、符号化と復号化を分離して新しいネットワークフレームワークを構築し、次に、IoVネットワークのセキュリティを高めるための新しいアルゴリズムを提案する。
また、最も適切なデータ抽出率を決定するために、データ抽出率がシステム遅延に与える影響についても論じる。
PythonとC++を組み合わせた実験的なフレームワークが確立され,BVIBアプローチの有効性が実証された。
包括的シミュレーション研究は、BVIBがオルタナティブな基礎的方法論と比較して一貫して優れていることを示唆している。
関連論文リスト
- Model Partition and Resource Allocation for Split Learning in Vehicular Edge Networks [24.85135243655983]
本稿では,これらの課題に対処する新しいU字型分割学習(U-SFL)フレームワークを提案する。
U-SFLは、生のデータとラベルの両方をVU側に置くことで、プライバシー保護を強化することができる。
通信効率を最適化するために,送信データの次元を著しく低減する意味認識型自動エンコーダ(SAE)を導入する。
論文 参考訳（メタデータ） (2024-11-11T07:59:13Z) - Homomorphic Encryption-Enabled Federated Learning for Privacy-Preserving Intrusion Detection in Resource-Constrained IoV Networks [20.864048794953664]
本稿では,IoV(Internet-of-Vehicles)におけるフェデレーション学習(FL)ベースの侵入検知システム(IDS)におけるデータプライバシ問題に,限られた計算資源で対処する新しい枠組みを提案する。
まず,同相暗号を用いた高効率なフレームワークを提案し,処理に中央集中型サーバにオフロードを必要とするデータを保護する。
我々は、FLベースのシステムの課題を暗号化データで処理するための効果的なトレーニングアルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-07-26T04:19:37Z) - Optimizing Age of Information in Vehicular Edge Computing with Federated Graph Neural Network Multi-Agent Reinforcement Learning [44.17644657738893]
本稿では,データ更新の鍵となる情報時代(AoI)に着目し,RSU通信資源制約下での車両のタスクオフロード問題について検討する。
本稿では,Federated Graph Neural Network Multi-Agent Reinforcement Learning (FGNN-MADRL) と名付けたグラフニューラルネットワーク(GNN)を組み合わせた分散分散学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-01T15:37:38Z) - 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) - 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) - Knowledge-Driven Multi-Agent Reinforcement Learning for Computation
Offloading in Cybertwin-Enabled Internet of Vehicles [24.29177900273616]
我々は,サイバトウィン対応IoVにおけるタスクオフロードの遅延を低減するために,知識駆動型マルチエージェント強化学習(KMARL)手法を提案する。
具体的には、検討されたシナリオにおいて、サイバートウィンは、各車両が情報を交換し、仮想空間におけるオフロード決定を行うための通信エージェントとして機能する。
論文 参考訳（メタデータ） (2023-08-04T09:11:37Z) - 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) - Semantic Information Marketing in The Metaverse: A Learning-Based
Contract Theory Framework [68.8725783112254]
仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。
帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。
本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
論文 参考訳（メタデータ） (2023-02-22T15:52:37Z) - Federated Deep Learning Meets Autonomous Vehicle Perception: Design and
Verification [168.67190934250868]
フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。
FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。
マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
論文 参考訳（メタデータ） (2022-06-03T23:55:45Z) - Efficient Federated Learning with Spike Neural Networks for Traffic Sign
Recognition [70.306089187104]
我々は、エネルギー効率と高速モデルトレーニングのための交通信号認識に強力なスパイクニューラルネットワーク(SNN)を導入している。
数値的な結果から,提案するフェデレーションSNNは,従来のフェデレーション畳み込みニューラルネットワークよりも精度,ノイズ免疫性,エネルギー効率に優れていたことが示唆された。
論文 参考訳（メタデータ） (2022-05-28T03:11:48Z)
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。