Método de utilización de cumplimiento de datos basado en la privacidad diferencial adaptativa y el aprendizaje...

Área de la Ciencia:

• Ciencias de la computación
• Ciberseguridad
• Ciencia de los datos

Sus antecedentes:

• El aprendizaje federado (FL) capacita a los modelos de manera colaborativa sin compartir datos en bruto, ofreciendo beneficios inherentes a la privacidad.
• Sin embargo, los sistemas FL siguen siendo vulnerables a los ataques de inferencia que pueden exponer datos sensibles del usuario a través de parámetros intermedios del modelo.
• Los métodos existentes para preservar la privacidad pueden no equilibrar adecuadamente la precisión del modelo con una seguridad robusta contra ataques sofisticados.

Objetivo del estudio:

• Proponer un nuevo método de Aprendizaje Federado de Blockchain de Privacidad Diferencial Adaptativa (ADP-BCFL).
• Mejorar la seguridad del aprendizaje federado contra ataques de inferencia de datos.
• Asegurar la conformidad y la utilización segura de los datos distribuidos, manteniendo al mismo tiempo un alto rendimiento del modelo.

Principales métodos:

• Implementó un marco de blockchain para el almacenamiento seguro y la consulta de datos de usuario agregados.
• Se ha desarrollado un mecanismo de privacidad diferencial adaptativa (DP) para ajustar dinámicamente los niveles de ruido en función de las características de los parámetros.
• Integrar el DP en el proceso de aprendizaje federado para controlar la fuga de información y mitigar los riesgos de inferencia.

Principales resultados:

• El método ADP-BCFL demostró una prevención efectiva de los ataques de inferencia de datos sensibles.
• Adaptive DP equilibró con éxito la introducción de ruido para proteger la privacidad sin degradar significativamente la precisión del modelo global.
• La validación en MNIST, Fashion MNIST y conjuntos de datos espaciotemporales confirmó la eficacia del método.

Conclusiones:

• El método ADP-BCFL proporciona una solución robusta para el aprendizaje federado seguro y privado.
• La integración de Blockchain garantiza la integridad de los datos y el acceso seguro a la información agregada.
• El mecanismo de DP adaptativo ofrece un enfoque flexible para la preservación de la privacidad en FL, crucial para conjuntos de datos distribuidos sensibles.