MEC, Blockchain, reputation based crowdsourcing FL 笔记

参考文献

Mobile Edge Computing, Blockchain and Reputation based Crowdsourcing Federated Learning: A Secure, Decentralized and Privacy-preserving System

什么是Reputation based crowdsourcing

• 是一种激励机制
• 一开始，所有的顾客有相同的reputation
• 如果上传模型成功，则该用户获得奖励，reputation会增加。
• 如果用户被发现上传恶意模型，则reputation会减少。
• 用户的reputation影响着其参与crowdsourcing的机会。
• 在此篇论文中，信用信息由区块链存储。

什么是IPFS

• 区块链是一个有很多个block的链。每个block存了上一个block的hash，交易信息，时间戳。
• IPFS是一个peer-to-peer 分布式文件系统。让分布式的计算设备可以连接到相对应的文件上。
• 论文中，用IPFS实现链下存储，在区块链中不存实际文件，而是存数据位置的hashes。这个hash值可以用于定位文件的具体位置。

主要过程

• 阶段1：用户用手机和MEC server训练模型
• 阶段2： 制造商挑选用户和组织成为矿工，计算模型。并指任一个用户作为leader，将模型上传到区块链上。

框架

制造商

• 考虑为制造商造一个Crowdsourcing FL 的机器学习模型来更好的预测消费行为且促进家电产品
• 设定一个激励机制：
  • 当用户为任务做出贡献，则会被奖励coins，而且这些coins可以用于换取服务等。
  • reputation based crowdsourcing 机制。
• 放一个初始化模型到区块链中。否则，制造商需要将模型发送给每个人，且存储在第三方云中。初始模型的参数是随机选取的，如果有足够的人参加这个任务，最终是可以训练出一个令人满意的模型的。

消费者

1. 消费者从区块链上下载最初的模型。
2. 消费者从手机中提取特征。
   1. 由于不同的家庭电器的计算能力和存储能力有很大的差异，因此很难让所有IoT设备都训练模型。所以论文中使用的是先用一个手机提取出其他设备的数据。
   2. 然后开始用数据训练模型。MEC server由第三方提供，如果提供原数据，可能会存在潜在的安全问题。
      1. 手机训练：先在手机上用原始数据训练，然后获得特征。再对特征加差分隐私噪声。
   3. MEC server训练：手机将加了差分隐私噪音的特征和标签送到送到MEC server上，MEC server帮忙训练全连接层。训练完将损失传回手机，用于更新模型。
   4. 消费者将模型传到区块链上。

区块链

• 由于区块的大小限制，论文中用IPFS作为链下存储。

• 矿工的工作：

  • 核实上传的模型。查看上传文件的签名是否有效，如果有效则放入交易池，否则拒绝。
  • 更新模型：矿工要负责计算上传模型的参数平均，以获得FL 模型。