[論文レビュー] Blockchain-aided Secure Semantic Communication for AI-Generated Content in Metaverse

Yijing Lin, Hongyang Du+5 more|arXiv (Cornell University)|Jan 25, 2023

Adversarial Robustness in Machine Learning被引用数 7

ひとこと要約

本稿は、メタバース仮想交通ネットワークにおけるAI生成コンテンツ（AIGC）のセキュリティを強化するため、ブロックチェーンおよびゼロ知識証明を活用した意味的通信フレームワークを提案する。攻撃的データと真正データの意味的差異を検出することで、悪意あるデータと真正データの意味的類似度を最大35%まで低減し、標的型意味的攻撃下におけるAIGCサービスへの信頼性を向上させる。

ABSTRACT

The construction of virtual transportation networks requires massive data to be transmitted from edge devices to Virtual Service Providers (VSP) to facilitate circulations between the physical and virtual domains in Metaverse. Leveraging semantic communication for reducing information redundancy, VSPs can receive semantic data from edge devices to provide varied services through advanced techniques, e.g., AI-Generated Content (AIGC), for users to explore digital worlds. But the use of semantic communication raises a security issue because attackers could send malicious semantic data with similar semantic information but different desired content to break Metaverse services and cause wrong output of AIGC. Therefore, in this paper, we first propose a blockchain-aided semantic communication framework for AIGC services in virtual transportation networks to facilitate interactions of the physical and virtual domains among VSPs and edge devices. We illustrate a training-based targeted semantic attack scheme to generate adversarial semantic data by various loss functions. We also design a semantic defense scheme that uses the blockchain and zero-knowledge proofs to tell the difference between the semantic similarities of adversarial and authentic semantic data and to check the authenticity of semantic data transformations. Simulation results show that the proposed defense method can reduce the semantic similarity of the adversarial semantic data and the authentic ones by up to 30% compared with the attack scheme.

研究の動機と目的

• 意味的通信におけるセキュリティ脆弱性に対処すること。具体的には、攻撃者が意味的に類似しているが悪意ある変更を加えたデータを注入することでAIGCサービスを損なう可能性を想定する。
• 信頼できない環境下でエッジデバイスと仮想サービスプロバイダー（VSP）間の意味的データ変換を安全かつ分散型で検証可能にする仕組みを実現すること。
• 意味的記述子の差異に基づいて、攻撃的意味的データと真正データを区別する防御メカニズムを設計すること。
• 意味的データ変換のブロックチェーンログにおける計算および合意形成のオーバーヘッドを低減すること。
• プライバシー保護されたデータ整合性検証を可能にするために、ゼロ知識証明を統合し、生の意味的コンテンツを露呈せずに済ませること。

提案手法

• エッジデバイスとVSP間の仮想交通ネットワークにおける意味的データ変換を記録・検証するため、ブロックチェーンを支援とする意味的通信フレームワークを提案する。
• 事前学習済みImageNetおよびAlexNetモデルを用い、グローバル損失、ヒストグラム損失、テンソル損失の3つの損失関数を組み合わせた訓練ベースの標的型意味的攻撃スキームを設計し、意味的類似度は高いが意味が異なる攻撃的意味的データを生成する。
• ゼロ知識証明（ZKPs）を用いて、実際の意味的コンテンツを露呈せずに意味的データ変換の真正性を暗号的に検証する。
• 許可型ブロックチェーン上で合意形成メカニズムを採用し、データ変換を記録・追跡する。意味的データをログ記録前に圧縮することで、オーバーヘッドを低減する。
• グローバル記述子や活性化ヒストグラムなどの記述子ベースの意味的類似度メトリクスを用い、真正データと攻撃的データの差を定量化する。
• スマートコントラクトを統合し、ZKP証明の検証を自動化することで、オンチェーン計算を最小限に抑え、効率的なオフチェーン検証を実現する。

Figure 1: Blockchain-aided Semantic Communication Framework for AIGC in Metaverse

実験結果

リサーチクエスチョン

• RQ1 意味的類似度は高いが意図する意味が異なる攻撃的意味的データを、どのようにして真正データに類似させる形で生成できるか？
• RQ2 分散環境下で、ブロックチェーンベースのシステムが攻撃的データと真正データをどれだけ正確に検出し、区別できるか？
• RQ3 提案されたゼロ知識証明メカニズムは、機微な意味的コンテンツを露呈せずに、データ整合性をどれほど効果的に検証できるか？
• RQ4 実際のデータサイズを想定した場合、本フレームワークにおけるブロックチェーン合意形成およびZKP計算の性能オーバーヘッドはどの程度か？
• RQ5 防御メカニズムは、VSPが信頼性を持って検出できるレベルまで、攻撃的データと真正データの意味的類似度を低下させることができるか？

主な発見

• 提案された意味的防御スキームは、攻撃スキームと比較して、攻撃的データと真正データの意味的類似度を最大35%まで低減し、標的型意味的攻撃の有効性を著しく低下させる。
• 防御メカニズムは、攻撃的データとキャリア画像間の意味的類似度を10%まで低減し、攻撃者が検出を回避する能力をさらに損なう。
• 防御タイプの記録に必要なデータ量はわずか10 KBであり、意味的データをクロップおよび圧縮することでブロックチェーン合意形成のオーバーヘッドを最小限に抑える。
• ZKP計算のオーバーヘッドは主に証明生成に起因し、検証ははるかに軽量であるため、スマートコントラクトへの統合に適している。
• ZKP計算は、1MBの意味的データに対してもデータサイズにほとんど依存せず、高い効率性を維持する。
• 本フレームワークにより、VSPは生データにアクセスせずにデータ真正性を検証し、悪意ある変換を検出でき、プライバシーとセキュリティを保持する。

Figure 2: Relationship among Images