[논문 리뷰] Joint Auction-Coalition Formation Framework for Communication-Efficient Federated Learning in UAV-Enabled Internet of Vehicles

Jer Shyuan Ng, Wei Yang Bryan Lim외 7명|arXiv (Cornell University)|2020. 07. 13.

Privacy-Preserving Technologies in Data인용 수 6

한 줄 요약

이 논문은 드론 기반 인터넷 자동차 네트워크(IoV) 환경에서 통신 제약 조건이 있는 분산학습(FL)을 효율적으로 지원하기 위해 UAV 간 공동 입찰-협력 형성 프레임워크를 제안한다. 입찰 메커니즘과 병합-분할 협력 형성 알고리즘을 융합함으로써, IoV 셀에 대한 UAV 할당을 최적화하여 개별 UAV의 수익을 극대화하면서도 안정적이고 통신 효율적인 FL 학습을 보장한다. 시뮬레이션 결과, 협력 비용이 임계값을 초과할 경우 전체 협력군(그랜드 코али션)이 불안정해짐을 확인하였다.

ABSTRACT

Due to the advanced capabilities of the Internet of Vehicles (IoV) components such as vehicles, Roadside Units (RSUs) and smart devices as well as the increasing amount of data generated, Federated Learning (FL) becomes a promising tool given that it enables privacy-preserving machine learning that can be implemented in the IoV. However, the performance of the FL suffers from the failure of communication links and missing nodes, especially when continuous exchanges of model parameters are required. Therefore, we propose the use of Unmanned Aerial Vehicles (UAVs) as wireless relays to facilitate the communications between the IoV components and the FL server and thus improving the accuracy of the FL. However, a single UAV may not have sufficient resources to provide services for all iterations of the FL process. In this paper, we present a joint auction-coalition formation framework to solve the allocation of UAV coalitions to groups of IoV components. Specifically, the coalition formation game is formulated to maximize the sum of individual profits of the UAVs. The joint auction-coalition formation algorithm is proposed to achieve a stable partition of UAV coalitions in which an auction scheme is applied to solve the allocation of UAV coalitions. The auction scheme is designed to take into account the preferences of IoV components over heterogeneous UAVs. The simulation results show that the grand coalition, where all UAVs join a single coalition, is not always stable due to the profit-maximizing behavior of the UAVs. In addition, we show that as the cooperation cost of the UAVs increases, the UAVs prefer to support the IoV components independently and not to form any coalition.

연구 동기 및 목표

• 자원 제약 조건이 있는 IoV 환경에서 발생하는 통신 비효율성과 노드 이탈 문제를 해결하기 위해.
• UAV를 무선 릴레이로 활용하여 IoV 구성 요소와 FL 서버 간 신뢰할 수 있는 모델 파라미터 교환을 유지함으로써 FL 성능을 향상시키기 위해.
• 이종적인 UAV 능력과 IoV 구성 요소의 선호도를 고려한 안정적이고 수익 극대화 가능한 UAV 협력 형성 메커니즘 설계를 위해.
• 동적 UAV 자원 할당을 통해 대규모 이동성 있는 IoV 네트워크에서의 통신 효율성과 확장성을 확보하기 위해.

제안 방법

• 각 IoV 셀이 UAV 협력단위에 입찰함에 있어 중요도와 UAV까지의 거리 기반으로 입찰을 제출하는 입찰 기반 할당 방식을 설계하였다.
• UAV 총 수익을 극대화하는 최적의 협력 구조를 도출하기 위해 병합-분할 알고리즘을 사용하였다.
• UAV의 전략적 행동을 모델링하기 위해 협력 형성 게임을 수립하였으며, 수익 극대화를 목적 함수로 삼았다.
• 실세계 제약 조건을 반영하기 위해 협력 비용, 에너지 소비, 모델 학습 반복 횟수를 수익 계산에 통합하였다.
• 합동 입찰-협력 메커니즘은 개별 이성 원칙을 지키면서도 공동 이득을 극대화하는 UAV의 안정적 분할을 보장한다.
• 시스템은 FL 반복 횟수와 협력 비용의 변화에 동적으로 대응하여 실시간 UAV 할당 결정을 내릴 수 있도록 설계되었다.

실험 결과

연구 질문

• RQ1 모든 UAV가 포함된 그랜드 코알리션은 어떤 조건에서 형성되며, 수익 극대화 행동으로 인해 언제 불안정해지는가?
• RQ2 UAV 간 협력 비용은 협력 형성과 전체 시스템 수익성에 어떤 영향을 미치는가?
• RQ3 FL 학습 반복 횟수의 증가는 UAV 협력 규모와 총 수익에 어떤 영향을 미치는가?
• RQ4 제안된 합동 입찰-협력 프레임워크는 수익성과 안정성 측면에서 무작위 또는 히وري스틱 기반 할당 방식과 비교해 어떻게 성능이 뛰어나며?

주요 결과

• 그랜드 코알리션은 항상 안정적이지 않다. 협력 비용이 4를 초과할 경우 UAV들은 협력 대신 독립적으로 운영하는 것을 선호한다.
• 협력 비용이 ≥4일 경우, 개별 UAV는 어떤 협력군보다 더 높은 총 수익(95.7)을 얻으며, 이는 협력 형성이 수익성이 없음을 시사한다.
• FL 반복 횟수가 증가할수록 에너지 비용 증가로 인해 UAV가 얻는 총 수익이 감소하며, 80회를 초과하면 수익이 크게 감소한다.
• 반복 횟수가 중간 수준(예: 50회)일 경우, 크기가 3인 협력군이 수익성 측면에서 최적이나, 더 큰 협력군(예: 크기 4 이상)은 비용이 수익을 상회하여 형성되지 않는다.
• 합동 입찰-협력 프레임워크는 모든 시뮬레이션 라운드에서 병합-분할 + 무작위 할당 및 무작위 분할 + 제2가격 입찰 방식보다 뛰어난 성능을 보이며, 항상 최고의 수익을 달성한다.
• 반복 횟수가 100에 도달할 경우, UAV는 어떤 협력군도 형성하지 않으며, 어떤 IoV 셀에도 지원하지 않으며, 참가 비용이 잠재 수익을 초과하기 때문이다.