論文の概要: LiteChain: A Lightweight Blockchain for Verifiable and Scalable Federated Learning in Massive Edge Networks

• arxiv url: http://arxiv.org/abs/2503.04140v1
• Date: Thu, 06 Mar 2025 06:38:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 15:57:14.659883
• Title: LiteChain: A Lightweight Blockchain for Verifiable and Scalable Federated Learning in Massive Edge Networks
• Title（参考訳）: LiteChain - 大規模エッジネットワークにおける検証可能な,スケーラブルなフェデレーション学習のための軽量ブロックチェーン
• Authors: Handi Chen, Rui Zhou, Yun-Hin Chan, Zhihan Jiang, Xianhao Chen, Edith C. H. Ngai,
• Abstract要約: フェデレートラーニング(FL)におけるブロックチェーンの活用は、MEN(Massive Edge Networks)におけるセキュアなコラボレーティブラーニングの新たなパラダイムとして現れます。 我々は、MENで効率的かつセキュアなサービスを提供するために、検証可能でスケーラブルなFL、すなわちLiteChainのための軽量ブロックチェーンを提案する。 本稿では,包括的ビザンチンフォールトトレランス(CBFT)コンセンサス機構と,LiteChainによるモデルトランザクションのセキュリティを確保するセキュアな更新機構を導入する。
• 参考スコア（独自算出の注目度）: 9.88069294667058
• License:
• Abstract: Leveraging blockchain in Federated Learning (FL) emerges as a new paradigm for secure collaborative learning on Massive Edge Networks (MENs). As the scale of MENs increases, it becomes more difficult to implement and manage a blockchain among edge devices due to complex communication topologies, heterogeneous computation capabilities, and limited storage capacities. Moreover, the lack of a standard metric for blockchain security becomes a significant issue. To address these challenges, we propose a lightweight blockchain for verifiable and scalable FL, namely LiteChain, to provide efficient and secure services in MENs. Specifically, we develop a distributed clustering algorithm to reorganize MENs into a two-level structure to improve communication and computing efficiency under security requirements. Moreover, we introduce a Comprehensive Byzantine Fault Tolerance (CBFT) consensus mechanism and a secure update mechanism to ensure the security of model transactions through LiteChain. Our experiments based on Hyperledger Fabric demonstrate that LiteChain presents the lowest end-to-end latency and on-chain storage overheads across various network scales, outperforming the other two benchmarks. In addition, LiteChain exhibits a high level of robustness against replay and data poisoning attacks.
• Abstract（参考訳）: フェデレートラーニング(FL)におけるブロックチェーンの活用は、MEN(Massive Edge Networks)におけるセキュアなコラボレーティブラーニングの新たなパラダイムとして現れます。 MENの規模が大きくなるにつれて、複雑な通信トポロジ、不均一な計算能力、ストレージ容量の制限により、エッジデバイス間でブロックチェーンの実装と管理が困難になる。 さらに、ブロックチェーンセキュリティの標準基準が欠如していることが大きな問題となっている。 これらの課題に対処するために、MENで効率的かつセキュアなサービスを提供するために、検証可能でスケーラブルなFL、すなわちLiteChainのための軽量ブロックチェーンを提案する。 具体的には,MENを2段階構造に再構成し,セキュリティ要件下での通信と計算効率を向上させる分散クラスタリングアルゴリズムを開発した。 さらに,包括的ビザンチンフォールトトレランス(CBFT)コンセンサス機構と,LiteChainによるモデルトランザクションのセキュリティを確保するセキュアな更新機構を導入する。 Hyperledger Fabricをベースとした我々の実験では、LiteChainは、さまざまなネットワークスケールにわたる最小のエンドツーエンドレイテンシとオンチェーンストレージオーバーヘッドを示し、他の2つのベンチマークを上回っています。 さらに、LiteChainはリプレイやデータ中毒攻撃に対する高い堅牢性を示している。

関連論文リスト

• Zaptos: Towards Optimal Blockchain Latency [52.30047458198369]
  Zaptosは、エンドツーエンドのレイテンシを最小限に抑えるために設計された並列パイプラインアーキテクチャである。 Zaptosは秒単位のレイテンシで毎秒20,000トランザクションのスループットを実現している。
  論文  参考訳（メタデータ） (2025-01-18T00:22:22Z)
• Digital Twin-Assisted Federated Learning with Blockchain in Multi-tier Computing Systems [67.14406100332671]
  産業用 4.0 システムでは、リソース制約のあるエッジデバイスが頻繁にデータ通信を行う。 本稿では,デジタルツイン (DT) とフェデレーション付きデジタルツイン (FL) 方式を提案する。 提案手法の有効性を数値解析により検証した。
  論文  参考訳（メタデータ） (2024-11-04T17:48:02Z)
• Voltran: Unlocking Trust and Confidentiality in Decentralized Federated Learning Aggregation [12.446757264387564]
  我々は、フェデレートラーニング(FL)のための信頼、機密性、堅牢性を達成するために設計された革新的なハイブリッドプラットフォームであるVoltranを紹介する。 FLアグリゲーションをTEEにオフロードして、分離され、信頼され、カスタマイズ可能なオフチェーン実行を提供します。 マルチSGX並列実行戦略を導入することで、複数のFLシナリオに強力なスケーラビリティを提供する。
  論文  参考訳（メタデータ） (2024-08-13T13:33:35Z)
• Enhancing Data Integrity and Traceability in Industry Cyber Physical Systems (ICPS) through Blockchain Technology: A Comprehensive Approach [0.0]
  本研究では,産業サイバー物理システム(ICPS)におけるデータの整合性とトレーサビリティ向上におけるブロックチェーンの可能性について検討する。 ICPSは製造業、電力網、輸送網といった重要なインフラを管理する上で重要である。 この研究は、サプライチェーン管理、品質管理、コントラクト管理、データ共有など、ICPSのさまざまなブロックチェーンアプリケーションを発掘する。
  論文  参考訳（メタデータ） (2024-05-08T06:22:37Z)
• 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)
• Graph Attention Network-based Block Propagation with Optimal AoI and Reputation in Web 3.0 [59.94605620983965]
  我々は、ブロックチェーン対応Web 3.0のための、グラフ注意ネットワーク(GAT)ベースの信頼できるブロック伝搬最適化フレームワークを設計する。 ブロック伝搬の信頼性を実現するために,主観的論理モデルに基づく評価機構を導入する。 グラフ構造化データの処理能力に優れたGATが存在することを考慮し、GATを強化学習に利用して最適なブロック伝搬軌道を得る。
  論文  参考訳（メタデータ） (2024-03-20T01:58:38Z)
• 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 Survey on Secure and Private Federated Learning Using Blockchain: Theory and Application in Resource-constrained Computing [0.8029049649310213]
  フェデレートラーニング(FL)は、先進的な機械学習と人工知能の急速なブームにより、近年広く普及している。 FLプロセスのパフォーマンスは脅威になり、サイバー脅威の増加やプライバシー侵害のテクニックによってボトルネックに陥る可能性がある。 FLプロセスの普及を早めるために、FL環境のためのブロックチェーンの統合は、アカデミックや業界の人々から多くの注目を集めている。
  論文  参考訳（メタデータ） (2023-03-24T00:40:08Z)
• Secure and Efficient Federated Learning Through Layering and Sharding Blockchain [15.197940168865271]
  本稿では,新しい2層ブロックチェーン駆動型フェデレート学習システムChainFLを提案する。 インターネットネットワークをサブチェーン層内の複数のシャードに分割し、情報交換の規模を効果的に削減する。 また、DAG(Direct Acyclic Graph)ベースのメインチェーンをメインチェーン層として採用し、並列および非同期のクロスシャード検証を可能にする。
  論文  参考訳（メタデータ） (2021-04-27T12:19:07Z)
• ESCORT: Ethereum Smart COntRacTs Vulnerability Detection using Deep Neural Network and Transfer Learning [80.85273827468063]
  既存の機械学習ベースの脆弱性検出方法は制限され、スマートコントラクトが脆弱かどうかのみ検査される。 スマートコントラクトのための初のDeep Neural Network(DNN)ベースの脆弱性検出フレームワークであるESCORTを提案する。 ESCORTは6種類の脆弱性に対して平均95%のF1スコアを達成し,検出時間は契約あたり0.02秒であることを示す。
  論文  参考訳（メタデータ） (2021-03-23T15:04:44Z)

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。