【论文】【PIRATEA】 blockchain-based secure framework of distributed machine learning in 5g networks

最新推荐文章于 2023-10-28 20:53:39 发布
最新推荐文章于 2023-10-28 20:53:39 发布
阅读量1.2w 收藏
点赞数
分类专栏： 联邦学习 区块链 IT技术 文章标签： 机器学习 区块链 网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sun_5flower/article/details/121954228
版权
PIRATE是一个结合了区块链分片技术和异常梯度检测的5G网络安全计算框架，用于保障分布式机器学习的安全。通过区块链记录梯度和模型参数，抵御恶意节点的影响，同时采用准入控制和去中心化的分片机制提高系统可靠性。对比实验展示了LearningChain在通信效率和存储复杂度方面的改进。
摘要由CSDN通过智能技术生成

PIRATE: A blockchain-based secure framework of distributed machine learning in 5g networks

主要贡献
  • 5G时代通信延迟和网络带宽满足设备可用性
  • 分布式机器学习有两个风险：模参上传过程 + 梯度聚合过程；
  • 提出一个满足分布式拜占庭弹性的基于区块链分片技术(sharding)的5g安全计算框架（PIRATE）

待解决的问题

  • 移动设备有足够的计算力，但设备异构和网络环境是分布式联邦的困难（异步联邦解决因异构导致的耗时等待 + 5G解决网络）
  • 理想的分布式学习（高可用性 + 高扩展性 + 去中心化 + 拜占庭弹性模型安全）
  • 传统中央服务器存在工作负载压力和单点故障SPOF(备份增加运营支出OPEX)；
  • 为实现分布式学习的拜占庭回弹，就需要有一个状态复制机(SMR)协议，—区块链满足
5G时代分布式共识协议
  • 共识协议分为2类：竞争类（先附加块再共识–高扩展高分叉）和通信类（先共识再附加块–基于确定性的方式来选择leader）；
  • 分片共识作为一种混合方式得益于通信的即时最终性和竞争的无许可弹性，可以在无许可的区块链中实现可伸缩共识；（R
最低0.47元/天 解锁文章
猪蹄花
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
回弹算法
LegenDavid's warehouse
09-09 838
用于android按键的漂浮回弹动画，采用模拟方式实现 1.回弹幅度固定，动画总时间浮动，输入最终位置坐标，返回每毫秒的位置坐标 import java.util.*; public class bounce { public static ArrayList getStatus(int y) { double a = -0.01; double v = 0; ArrayL
总结机器学习优质学习文章Top50！
AI科技大本营
03-03 4146
整理 | Jane出品 | AI科技大本营（公众号id：rgznai100）在过去一年里...
瑞波Ripple概念解析-共识网络（官方文档不完全翻译）
区块链技术原理解析与实战~~~自强不息！
06-28 2794
修订修订系统提供了一种去中心化的XRP账本网络引入新功能而不会导致中断的方法。修订体系通过利用网络的核心共识流程，通过在变更生效之前显示持续的支持来批准任何变更。修正案通常需要两周内获得80％的支持才能生效。修订版启用后，它将永久应用于所有账本版本之后的账本版本。除非您引入新的修正案，否则您不能禁用修正案。有关已知修订的完整列表，其状态和ID，请参阅：已知修订。背景对交易处理的任何更改都可能导致服...
拜占庭将军问题。口头算法OM(n.m);n=3m+1
挑灯看剑的专栏
12-27 1万+
一、拜占庭问题的背景这里就不再介绍直接说算法： 下面的这个截图是从Lamport发表的论文中截取的： 对于这个算法需要说明的是： (1) 在第一轮 将军会把消息发送给所有的副官，第i个副官收到的记为 Vi。如 1(这里代表的是Attack) (2) 在第二轮里面，Li(即第i个副官)会怀疑将军发来的消息Vi是对还是错，于是他会问其余的副官。这样他就会得到剩下的(
拜占庭故障
社会你鑫哥的博客
12-26 5244
1、拜占庭故障具体是什么分类呢？ 2、拜占庭故障出现在哪里？出现在硬件中，还是软件中，出现在操作系统中吗？ 比如，拜占庭故障会不会出现在云计算中。博客一：拜占庭故障(zz) 这个问题是在1982年由Lamport, Shostak, Pease 提出 ——The problem of reaching a consensus among distributed units if some of
【论文笔记】Applications of Deep Reinforcement Learning in Communications and Networking: A Survey
观林望实的博客
06-30 3190
摘要 本文综述了深度强化学习（DRL）在通信和网络中的应用。现代网络中的实体需要在网络环境不确定的情况下在本地进行决策，以使网络性能最大化。强化学习被有效地用于使网络实体在状态空间和行为空间较小的情况下，获得动作的最优选择。然而，在复杂的大规模网络中，状态空间和动作空间往往很大，强化学习可能无法在合理的时间内找到最优策略。因此，发展强化学习与深度学习相结合的DRL来克服这一不足。在本次调查中，我们首先提供了从基本概念到高级模型的DRL教程。然后，我们回顾了为解决通信和网络中的新问题而提出的DRL方法。这些
【阅读论文】Security issues in Internet of Vehicles (IoV): A comprehensive survey
最新发布
apple_52841031的博客
10-28 467
ABSTRACTNowadays, connected vehicles have a major role in enhancing the driving experience. Connected vehicles in the network share their knowledge with the help of the network known as the Internet of Vehicles (IoV). However, connection through the networ
【区块链论文阅读】计算机网络顶会INFOCOM（二）
RenLJ1895的博客
05-10 8994
INFOCOM（IEEE International Conference on Computer Communications）是计算机网络领域三大顶级国际会议之一（CCF认定为A类会议），具有极高的影响力。本文对近几年发表在该会议的论文进行整理。
【区块链论文阅读】计算机网络顶会INFOCOM（一）
RenLJ1895的博客
05-10 8183
INFOCOM（IEEE International Conference on Computer Communications）是计算机网络领域三大顶级国际会议之一（CCF认定为A类会议），具有极高的影响力。本文对近几年发表在该会议的论文进行整理
11-郑康鹏-Deep Learning-based Job Placement in Distributed Machine
08-04
《基于深度学习的分布式机器学习工作负载调度》 在当今的IT行业中，机器学习（ML）集群已经成为支撑各种服务的核心基础设施。例如，新闻网站可能利用GPU服务器集群运行语言模型进行新闻解析，使用文本分类来优化...
A novel recommendation system in location-based social networks using distributed ELM
02-08
Machine learning has been widely used in many recommendation systems for recommending new friends or places of interest (POIs) to users in LBSNs. However, the majority of the existing recommendation ...
Attachment-Learning for Multi-Channel Allocation in Distributed OFDMA-Based Networks
02-09
Attachment-Learning for Multi-Channel Allocation in Distributed OFDMA-Based Networks
blockchain-explorer
04-28
超级账本管理器 Hyperledger Explorer是一个简单，强大，易于使用，维护良好的开源实用程序，可浏览底层区块链网络上的活动。 用户可以在MacOS和Ubuntu上配置和构建Hyperledger Explorer。 更新！...
A Metric-Correlation-Based Distributed Fault Detection Approach in Wireless Sensor Networks
02-22
A Metric-Correlation-Based Distributed Fault Detection Approach in Wireless Sensor Networks
【LearningChain】WhenMachineLearningMeetsBlockchainADecentralizedPrivacy-preserving and SecureDesign
热门推荐
sun_5flower的博客
12-23 1万+
When Machine Learning Meets Blockchain: A Decentralized, Privacy-preserving and Secure Design 主要贡献 1、提出基于区块链的去中心化的联邦系统LearningChain，考虑了线性和非线性模型（传统FL对非线性模型的隐私问题关注较少），并理论分析其安全性和隐私性； 2、提出一个拜占庭容错的聚合算法( l-nearest aggression)； 3、设计不同的隐私策略来保护数据持有者的隐私，线性或非线性模型中； 3
Window10 上MindSpore(CPU)用LeNet网络训练MNIST
sun_5flower的博客
09-21 3172
Windows10 Miniconda 4.8.3 Python 3.7.7 MindSpore r0.7 mindspore的gitee地址 本文是在windows10上安装了CPU版本的Mindspore,并在mindspore的master分支基础上使用LeNet网络训练MNIST数据集，实践已训练成功，此文为记录过程中的出现问题； 【1】首先使用conda activate mindspore 进入mindspore虚拟环境 【2】再切入mindspore中lenet网络的train.py所在.
【论文】【CwMed】Byzantine-Robust Distributed Learning: Towards Optimal Statistical Rates
sun_5flower的博客
12-20 1404
Byzantine-Robust Distributed Learning: Towards Optimal Statistical Rates 摘要： 1、提出一个分布式优化算法健壮性和最佳性能的证明方式； 2、基于证明方式提出了两种满足鲁棒性的分布式梯度下降算法（基于中位数或基于修剪后的平均操作）； 3、为增强通信效率，提出一个基于中位数的仅使用一轮通信的分布式算法，并证明了其鲁棒性，并证明在强凸二次损失中，该算法与鲁棒分布式梯度下降算法具有相同的最优错误率。 背景介绍： 1、1982年Lamport提
Ubuntu18.04上安装CUDA_10.1(nvidia-driver)和cuDNN_7.6.5
sun_5flower的博客
11-18 971
这里写自定义目录标题一、 前期准备二、 RUN方式安装CUDA _10.1 (我有安装过11.0，11.1,后因项目需求又改为10.1，图片有点混)三、 deb方式安装cuDNN_7.6.54、本文参考文章: 本文是在Ubuntu18.04.5服务器上安装CUDA_10.1（nvidia-driver455）和cuDNN_7.6.5, Ubuntu 18.04.5 CUDA_10.1 (nvidia-driver455) cuDNN_7.6.5 一、 前期准备 1、查看系统版本和显卡型号 cat
The Non-IID Data Quagmire of Decentralized Machine Learning
05-13
Decentralized machine learning is a promising approach to train models on distributed data without the need for data sharing. However, one of the major challenges in this approach is dealing with non-...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值