在UAV-MEC网络中为基于区块链的联合学习系统提供有效的隐私保护机制.
Chaoyang Zhu1,2, Xiao Zhu3, Tuanfa Qin2,4
1School of Electronic and Information Engineering, South China University of Technology, Guangzhou 510641, China.
Sensors (Basel, Switzerland)
|March 13, 2024
概括
我们介绍UBFL,一个保护隐私的联合学习系统,用于智能城市的无人机. 它使用区块链和自适应加密来保护数据,在准确性和对攻击的弹性方面超过传统方法.
科学领域:
- 计算机科学 计算机科学
- 网络安全 网络安全
- 人工智能的人工智能
背景情况:
- 智能城市的无人驾驶飞行器 (UAV) 由于传输敏感数据,引发了隐私和安全问题.
- 传统无人机-移动边缘计算 (MEC) 系统中的集中数据处理存在数据泄露和操纵的风险.
- 这些风险可能会阻碍采用有益的无人机技术.
研究的目的:
- 为无人机提出UBFL,一种新的保护隐私的联合学习机制.
- 通过使用区块链技术,提高UAV-MEC系统的数据安全性和完整性.
- 解决传统差异隐私 (DP) 方法的局限性.
主要方法:
- UBFL集成了区块链,用于安全的数据共享和适应性的非线性加密功能,以保护隐私.
- 它使得基站能够有效地过受损的无人机.
- 随机切割森林 (RCF) 算法用于异常检测和减轻中毒攻击.
主要成果:
- 与DP方法相比,UBFL表现出更高的准确性 (99.98%),精度 (99.93%),回忆 (99.92%) 和F-Score (99.92%).
- 该系统在10%,20%和30%的数据污染攻击中表现出异常的弹性.
- 在CIFAR10和Mnist数据集上的实验验验证了UBFL的有效性.
结论:
- UBFL提供了一种强大的解决方案,用于在MEC环境中确保无人机梯度.
- 拟议的机制有效地保护隐私,同时保持高数据准确性.
- UBFL提高了智能城市无人机应用程序的安全性和可靠性.


