[논문 리뷰] RoboChain: A Secure Data-Sharing Framework for Human-Robot Interaction

Eduardo Castelló Ferrer, Ognjen외 2명|arXiv (Cornell University)|2018. 02. 13.

Blockchain Technology Applications and Security참고 문헌 27인용 수 23

한 줄 요약

RoboChain는 다중 병원 환경에서 로봇 단위 간에 연합 학습을 위한 안전하고 탈중앙화된 프레임워크를 제안하며, 블록체인 기반의 OPAL 쿼리와 연합 모델 업데이트를 통해 기밀성 유지 데이터 및 모델 공유를 가능하게 한다. 이 시스템은 원시 환자 데이터를 공유하지 않고도 로봇이 자폐증 치료와 같은 임상 간섭을 공동으로 향상시킬 수 있도록 하며, 블록체인 로깅과 안전한 계산을 통해 기밀성, 무결성, 감사 가능성을 보장한다.

ABSTRACT

Robots have potential to revolutionize the way we interact with the world around us. One of their largest potentials is in the domain of mobile health where they can be used to facilitate clinical interventions. However, to accomplish this, robots need to have access to our private data in order to learn from these data and improve their interaction capabilities. Furthermore, to enhance this learning process, the knowledge sharing among multiple robot units is the natural step forward. However, to date, there is no well-established framework which allows for such data sharing while preserving the privacy of the users (e.g., the hospital patients). To this end, we introduce RoboChain - the first learning framework for secure, decentralized and computationally efficient data and model sharing among multiple robot units installed at multiple sites (e.g., hospitals). RoboChain builds upon and combines the latest advances in open data access and blockchain technologies, as well as machine learning. We illustrate this framework using the example of a clinical intervention conducted in a private network of hospitals. Specifically, we lay down the system architecture that allows multiple robot units, conducting the interventions at different hospitals, to perform efficient learning without compromising the data privacy.

연구 동기 및 목표

• 임상 환경에서 로봇 단위 간에 민감한 환자 데이터를 공유하기 위한 안전하고 탈중앙화된 프레임워크의 부족을 해결하기 위해.
• 병원 등 기관 간에 여러 로봇 단위가 원시 데이터를暴露하지 않고도 환자 데이터로부터 공동으로 학습할 수 있도록 하기 위해.
• 인간-로봇 상호작용(HRI)을 위한 모바일 헬스케어에서 윤리적 및 규제 기준(예: IRB)을 준수하면서 데이터 기밀성을 유지하기 위해.
• 다양한 노드 간에 쿼리, 응답 및 모델 업데이트의 검증 가능하고 감사 가능한 로깅을 위해 블록체인 기술을 통합하기 위해.
• 경량 모델(예: TensorFlow Lite)과 안전하고 탈중앙화된 계산을 통해 효율적이고 실시간 학습을 지원하기 위해.

제안 방법

• RoboChain는 기계 학습 알고리즘을 데이터 소스로 이동시키는 방식의 OPAL(MIT Open Algorithms) 파라다임을 사용한다. 이는 데이터를 중앙 서버로 이동시키는 것이 아니라 알고리즘을 데이터 소스에 전달한다.
• 쿼리와 응답은 암호학적으로 서명되어 비공개 블록체인에 저장되어 무결성, 감사 가능성, 투명성을 확보한다.
• 연합 학습을 통해 각 병원 현장에서 로컬 모델(DLM)을 훈련시키며, 원시 데이터를 공유하지 않고도 모델 업데이트를 집계한다.
• 허가된 블록체인 네트워크를 통해 오직 신뢰할 수 있는 기관(예: 병원)만 참여할 수 있도록 하여 악성 피어의 침입을 방지한다.
• 블록체인 상의 스마트 계약은 여러 사이트 간에 모델 수용 및 동기화를 조율할 수 있다.
• 시스템은 모듈형이고 점진적인 모델 업데이트를 지원하여 다양한 동시에 진행되는 간섭에 대한 지속적인 학습을 가능하게 한다.

실험 결과

연구 질문

• RQ1 다양한 의료 기관의 로봇 단위는 어떻게 원시 환자 데이터를 공유하지 않고도 환자 데이터로부터 공동으로 학습할 수 있는가?
• RQ2 안전하고 탈중앙화되며 감사 가능한 데이터 및 모델 공유를 보장하기 위해 어떤 아키텍처적 및 암호학적 메커니즘이 필요한가?
• RQ3 블록체인 기술은 어떻게 연합 학습과 안전한 계산과 통합되어 기밀성 유지 임상 로봇 학습을 지원할 수 있는가?
• RQ4 민감한 건강 데이터를 포함한 실제 임상 환경에 이러한 시스템을 구현할 때의 기술적 및 윤리적 과제는 무엇인가?
• RQ5 이 시스템은 계산 자원이 제한된 저비용 로봇 플랫폼에서 실시간으로 효율적인 학습을 어떻게 지원할 수 있는가?

주요 결과

• RoboChain는 원시 환자 데이터를 공유하지 않고도 다수의 병원 간 로봇 단위 간에 안전하고 탈중앙화된 학습을 가능하게 하여 기밀성과 데이터 주권을 유지한다.
• OPAL과 블록체인의 통합을 통해 모든 쿼리, 응답 및 모델 업데이트가 암호학적으로 로깅되고 검증 가능해져 사후 감사가 가능해진다.
• TensorFlow Lite와 같은 경량 프레임워크를 사용해 엣지 장치에서 연합 학습을 효율적으로 구현하여 로봇 운영에 미치는 영향을 최소화한다.
• 시스템은 모듈형 모델 업데이트를 지원하며, 다양한 기관에서 동시에 진행되는 여러 간섭에 대해 확장성이 있다.
• 윤리적 및 규제 기준 준수를 위해 설계되었으며, 검토된 알고리즘과 모든 상호작용의 검증 가능한 로깅을 제공한다.
• 저자들은 향후 작업으로 실시간 배포, 다중 네트워크 지원, 로봇 컨트롤러를 위한 향상된 안전 제어 기능을 제시한다.