論文の概要: Federated Learning over Blockchain-Enabled Cloud Infrastructure

• arxiv url: http://arxiv.org/abs/2604.20062v1
• Date: Tue, 21 Apr 2026 23:51:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.888139
• Title: Federated Learning over Blockchain-Enabled Cloud Infrastructure
• Title（参考訳）: ブロックチェーンで実現可能なクラウドインフラストラクチャ上でのフェデレーション学習
• Authors: Saloni Garg, Amit Sagtani, Kamal Kant Hiran,
• Abstract要約: IoTデバイスの台頭とクラウドコンピューティングの台頭は、データ駆動インテリジェンスの新しい時代を告げている。 単一の場所に格納する大量のデータを必要とする従来型の集中型機械学習モデルは、データ侵害やプライバシー侵害、規制違反の影響を受けやすいものになっている。 本報告では,クラウドエッジ環境でのフェデレートラーニング(FL)とブロックチェーン技術の融合を徹底的に検討する。
• 参考スコア（独自算出の注目度）: 0.0695155813793092
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rise of IoT devices and the uptake of cloud computing have informed a new era of data-driven intelligence. Traditional centralized machine learning models that require a large volume of data to be stored in a single location have therefore become more susceptible to data breaches, privacy violations, and regulatory non-compliance. This report presents a thorough examination of the merging of Federated Learning (FL) and blockchain technology in a cloud-edge setting, demonstrating it as an effective solution to the stated concerns. We are proposing a detailed four-dimensional architectural categorization that meticulously assesses coordination frameworks, consensus algorithms, data storage practices, and trust models that are significant to these integrated systems. The manuscript presents a comprehensive comparative examination of two cutting-edge frameworks: the Multi-Objectives Reinforcement Federated Learning Blockchain (MORFLB), which is designed for intelligent transportation systems, and the Federated Blockchain-IoT Framework for Sustainable Healthcare Systems (FBCI-SHS), elucidating their distinctive contributions and inherent limitations. Lastly, we engage in a thorough evaluation of the literature that integrates a comparative perspective on current frameworks to discern the singular nature of this research within existing knowledge systems. The manuscript culminates in delineating the principal challenges and offering a strategic framework for prospective research trajectories, emphasizing the advancement of adaptive, resilient, and standardized BCFL systems across diverse application domains.
• Abstract（参考訳）: IoTデバイスの台頭とクラウドコンピューティングの台頭は、データ駆動インテリジェンスの新しい時代を告げている。 そのため、単一の場所に格納するために大量のデータを必要とする従来型の集中型機械学習モデルは、データ漏洩、プライバシー侵害、規制違反の影響を受けやすいものになっている。 本報告では、クラウドエッジ環境でのフェデレートラーニング(FL)とブロックチェーン技術の融合を徹底的に検討し、これらの懸念に対する効果的な解決策として実証する。 私たちは、これらの統合システムにとって重要な調整フレームワーク、コンセンサスアルゴリズム、データストレージプラクティス、信頼モデルを慎重に評価する、詳細な4次元アーキテクチャ分類を提案しています。 この写本では、インテリジェントトランスポートシステム用に設計されたMORFLB(Multi-Objectives Reinforcement Federated Learning Blockchain)と、持続型ヘルスケアシステムのためのFederated Blockchain-IoT Framework(FBCI-SHS)という、2つの最先端フレームワークの総合的な比較検討を行っている。 最後に、既存の知識システムにおける研究の特異性を明らかにするために、現在のフレームワークの比較的な視点を統合した文献の徹底的な評価を行う。 この原稿は主要な課題を詳述し、様々なアプリケーション領域にまたがる適応的でレジリエントで標準化されたBCFLシステムの進歩を強調する先進的な研究軌道の戦略的枠組みを提供する。

関連論文リスト

• A Survey on Generative Recommendation: Data, Model, and Tasks [55.36322811257545]
  ジェネレーティブ・レコメンデーションは、差別的なスコアではなく、世代としてのレコメンデーションを再認識する。 この調査は、データ、モデル、タスク次元にまたがる統合された三部構成のフレームワークを通じて包括的な調査を提供する。 世界知識の統合、自然言語理解、推論能力、スケーリング法則、創造的生成の5つの主要な利点を特定します。
  論文  参考訳（メタデータ） (2025-10-31T04:02:58Z)
• A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks [49.90474228895655]
  クラウドエッジ端末協調インテリジェンス(CETCI)は、モノの人工知能(AIoT)コミュニティにおける基本的なパラダイムである。 CETCIは、分離されたレイヤ最適化からデプロイ可能なコラボレーティブインテリジェンスシステムに移行する、新興のAIoTアプリケーションで大きな進歩を遂げた。 本調査では、基礎アーキテクチャ、CETCIパラダイムのテクノロジの実現、シナリオについて解説し、CISAIOT初心者向けのチュートリアルスタイルのレビューを提供する。
  論文  参考訳（メタデータ） (2025-08-26T08:38:01Z)
• Blockchain-Enabled Federated Learning [15.579343834528231]
  BCFLは、AIシステムにおける信頼、プライバシ、調整の課題に対処する。 この章は、BCFLシステムの包括的なアーキテクチャ分析を提供する。 ブロックチェーンを検証した集中型コーディネートから、完全に分散化されたピアツーピアネットワークに至るまで、設計パターンを解析する。
  論文  参考訳（メタデータ） (2025-08-08T15:47:55Z)
• Secure and Scalable Blockchain Voting: A Comparative Framework and the Role of Large Language Models [0.0]
  本稿では,ブロックチェーンベースのE-Votingアーキテクチャ,コンセンサス機構,暗号プロトコルを解析するための比較フレームワークを提案する。 本稿では,ハイブリッドコンセンサス,軽量暗号,分散ID管理などを含む最適化戦略を提案する。 私たちの発見は、国家規模のデプロイメントに適したセキュアでスケーラブルでインテリジェントなブロックチェーンベースのE-Votingシステムを設計するための基盤を提供します。
  論文  参考訳（メタデータ） (2025-08-07T21:34:21Z)
• Does Machine Unlearning Truly Remove Knowledge? [80.83986295685128]
  本研究では,3つのベンチマークデータセット,6つのアンラーニングアルゴリズム,および5つのプロンプトベースの監査手法からなる,アンラーニング評価のための総合的な監査フレームワークを提案する。 異なるアンラーニング戦略の有効性とロバスト性を評価する。
  論文  参考訳（メタデータ） (2025-05-29T09:19:07Z)
• 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)
• RoFL: Attestable Robustness for Secure Federated Learning [59.63865074749391]
  フェデレートラーニング(Federated Learning)により、多数のクライアントが、プライベートデータを共有することなく、ジョイントモデルをトレーニングできる。 クライアントのアップデートの機密性を保証するため、フェデレートラーニングシステムはセキュアなアグリゲーションを採用している。 悪意のあるクライアントに対する堅牢性を向上させるセキュアなフェデレート学習システムであるRoFLを提案する。
  論文  参考訳（メタデータ） (2021-07-07T15:42:49Z)

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。