WiMi Hologram Cloud ogłosił ramy Trusted Collaborative Learning (TrusCL) oparte na technologii blockchain dla Internetu Rzeczy (IoT), które stanowią rozwiązanie dla wymagań prywatności i obliczeniowych współpracy w nauce w środowiskach AIoT. Ramy TrusCL są połączone z technikami homomorficznego szyfrowania (HE) i różnicowej prywatności (DP), które są kluczowe w dziedzinie ochrony danych i poprawy prywatności.
Homomorficzne szyfrowanie pozwala na bezpośrednie wykonywanie obliczeń na zaszyfrowanych danych bez konieczności ich wcześniejszego odszyfrowania, co oznacza, że dane mogą być przetwarzane w stanie zaszyfrowanym, zapobiegając w ten sposób wyciekowi danych u źródła. Zapewnia to silne wsparcie techniczne dla ochrony prywatności danych, umożliwiając właścicielom danych udział w procesie szkolenia modeli, jednocześnie zachowując prywatność danych. Technika różnicowej prywatności, z drugiej strony, dodatkowo wzmacnia prywatność poprzez dodanie losowego szumu do zestawu danych, aby zapewnić, że nawet przy zewnętrznym zapytaniu nie można dokładnie wywnioskować żadnych informacji o poszczególnych osobach. Łącząc homomorficzne szyfrowanie i różnicową prywatność, ramy TrusCL osiągają równowagę między ochroną prywatności a efektywnością uczenia modeli, co zapewnia jakość szkolenia modeli i zachowuje prywatność danych uczestników.
WiMi wprowadza dodatkową warstwę bezpieczeństwa, integrując technologię blockchain z ramami TrusCL. Wszystkie kluczowe działania związane ze współpracą w nauce, w tym aktualizacje modelu, dowody wkładu danych i procesy obliczeniowe, będą rejestrowane na blockchainie w sposób zabezpieczony przed manipulacją. Ta przejrzystość i możliwość śledzenia skutecznie zapobiegają nieuczciwemu zachowaniu, a wszelkie próby manipulacji danymi lub wynikami obliczeń zostaną szybko wykryte i zablokowane. Inteligentne kontrakty blockchain automatycznie egzekwują warunki umowy, zapewniając, że zachowania obliczeniowe uczestników są zgodne z wcześniej określonymi zasadami, co promuje uczciwe, przejrzyste i godne zaufania środowisko współpracy.
Dla odbiorców modeli, bezpieczne i godne zaufania ramy współpracy w nauce oparte na blockchainie zapewniają bezpieczną i efektywną platformę, która umożliwia im korzystanie z wrażliwych danych do bezpiecznego szkolenia modeli uczenia maszynowego bez bezpośredniego dostępu do tych danych. Ramy te wspierają również dynamiczne dostosowywanie wkładu uczestników i mechanizmów nagradzania, aby zachęcać do wkładu bardziej wysokiej jakości danych i zasobów obliczeniowych, co dodatkowo poprawia dokładność i uogólnienie szkolenia modeli.
Blockchainowe, bezpieczne i godne zaufania ramy współpracy w nauce dla IoT WiMi otwierają drogę do wyższego poziomu bezpieczeństwa i zaufania dla współpracy w nauce w erze AIoT poprzez integrację najnowocześniejszych technologii. Dzięki głębokiemu zastosowaniu i ciągłej optymalizacji tych ram, udostępnianie danych i inteligentna analiza w AIoT będą w przyszłości bardziej bezpieczne i efektywne, co stworzy solidne podstawy dla pogłębiania rozwoju Przemysłu 4.0.
Skomentuj ten artykuł za pośrednictwem X: @IoTNow i odwiedź nasza strone IoT Now Polska
