[論文レビュー] A Systematic Literature Review on Blockchain Enabled Federated Learning Framework for Internet of Vehicles

Mustain Billah, Sk. Tanzir Mehedi+3 more|arXiv (Cornell University)|Mar 10, 2022

Privacy-Preserving Technologies in Data被引用数 23

ひとこと要約

この論文は、ブロックチェーン対応の連合学習（BC-FL）フレームワークをIoV向けに概観し、アーキテクチャ、課題、解決策、および今後の研究方向を概説する。

ABSTRACT

While the convergence of Artificial Intelligence (AI) techniques with improved information technology systems ensured enormous benefits to the Internet of Vehicles (IoVs) systems, it also introduced an increased amount of security and privacy threats. To ensure the security of IoVs data, privacy preservation methodologies have gained significant attention in the literature. However, these strategies also need specific adjustments and modifications to cope with the advances in IoVs design. In the interim, Federated Learning (FL) has been proven as an emerging idea to protect IoVs data privacy and security. On the other hand, Blockchain technology is showing prominent possibilities with secured, dispersed, and auditable data recording and sharing schemes. In this paper, we present a comprehensive survey on the application and implementation of Blockchain-Enabled Federated Learning frameworks for IoVs. Besides, probable issues, challenges, solutions, and future research directions for BC-Enabled FL frameworks for IoVs are also presented. This survey can further be used as the basis for developing modern BC-Enabled FL solutions to resolve different data privacy issues and scenarios of IoVs.

研究の動機と目的

• IoVにおけるブロックチェーンと連合学習の収束を、既存のFL課題に対して調べる。
• IoVで使用されるBC対応FLフレームワークとアーキテクチャを特定する。
• IoV向けのBC-FLにおけるセキュリティ、プライバシー、インセンティブ機構を検討する。
• IoVにおける今後のBC対応FL研究の課題を強調し、将来の方向性を提案する。

提案手法

• FLの基本とIoVのプライバシー／セキュリティ要件のレビュー。
• ブロックチェーン対応FLアーキテクチャとIoVアプリケーションの調査。
• IoVに焦点を当てた既存のBC-FLフレームワークとその構成要素（RSU、CA、MEC など）の分析。
• 適用シナリオと性能上の考慮事項の議論。
• 課題、解決策、今後の研究方向の総合化。

実験結果

リサーチクエスチョン

• RQ1 IoV向けに存在するBC対応FLフレームワークは何で、それらはどのアーキテクチャを採用しているのか？
• RQ2 BCとFLはIoVにおけるプライバシー、セキュリティ、およびインセンティブ問題をどのように解決するのか？
• RQ3 IoVにおけるBC対応FLの主な課題と提案された解決策は何か？
• RQ4 IoV向けのBC対応FLにおける将来の研究方向は何か？

主な発見

• BC-FLフレームワークはIoVの学習エコシステムに分散型のインセンティブと強化されたセキュリティを提供する。
• IoVのBC-FL研究はデータ共有、信頼管理、階層的およびDAGベースのアーキテクチャによるプライバシー保護訓練を扱う。
• 共通の課題には、データ汚染攻撃、データプライバシー、通信オーバーヘッド、中央集権的な調整の欠如が含まれ、提案された解決策として差分プライバシー、セキュアアグリゲーション、堅牢なコンセンサスメカニズムが挙げられる。
• アプリケーションは交通 ITS タスクには交通監視、侵入検知、自動運転支援、動的地図共有などを含む。
• この調査は、プライバシーを保護し、監査可能で、スケーラブルなIoV AIシステムの基盤的アプローチとしてBC対応FLを位置付けている。