[论文解读] 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 7

一句话总结

本文提出了一种基于区块链与零知识证明的语义通信框架，用于保护元宇宙虚拟交通网络中的AI生成内容（AIGC）安全。通过检测对抗性数据与真实数据之间的语义差异，该方案将恶意数据与真实数据之间的语义相似度降低高达35%，从而在针对性语义攻击下增强对AIGC服务的信任。

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.

研究动机与目标

• 解决元宇宙中语义通信的安全漏洞问题，攻击者可注入语义相似但被恶意篡改的数据以破坏AIGC服务。
• 在不可信环境中，实现边缘设备与虚拟服务提供商（VSPs）之间语义数据转换的安全、去中心化验证。
• 设计一种防御机制，基于语义描述符差异区分对抗性语义数据与真实数据。
• 降低基于区块链的语义数据转换日志记录中的计算与共识开销。
• 集成零知识证明，实现隐私保护的完整性验证，而无需暴露原始语义内容。

提出的方法

• 提出一种基于区块链的语义通信框架，用于在虚拟交通网络中记录并验证边缘设备与VSP之间语义数据的转换。
• 设计一种基于训练的针对性语义攻击方案，利用三种损失函数——全局（Global）、直方图（Hist）和张量（Tensor）——在预训练的ImageNet与AlexNet模型上生成具有高语义相似性但含义不同的对抗性语义数据。
• 采用零知识证明（ZKPs）对语义数据转换的真实性进行密码学验证，而无需暴露实际语义内容。
• 在许可区块链上使用共识机制记录并追踪数据转换，通过在日志前对语义数据进行压缩，降低开销。
• 应用基于描述符的语义相似度度量方法（如全局描述符、激活直方图）量化真实数据与对抗性数据之间的差异。
• 集成智能合约以自动化验证ZKP证明，最小化链上计算，实现高效的链下验证。

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

实验结果

研究问题

• RQ1 如何生成对抗性语义数据，使其在语义相似度上模仿真实数据，同时改变其原始语义？
• RQ2 基于区块链的系统在去中心化环境下检测并区分对抗性与真实语义数据的能力有多强？
• RQ3 所提出的零知识证明机制在不暴露敏感语义内容的前提下验证数据完整性的有效性如何？
• RQ4 在真实数据规模下，该框架中区块链共识与ZKP计算的性能开销是多少？
• RQ5 该防御机制能否将对抗性数据与真实数据之间的语义相似度降低至足够低的水平，从而实现VSP的可靠检测？

主要发现

• 所提出的语义防御方案相比攻击方案，将对抗性与真实语义数据之间的语义相似度降低了高达35%，显著削弱了针对性语义攻击的有效性。
• 该防御机制在对抗性数据与载体图像之间实现了10%的语义相似度降低，进一步削弱了攻击者规避检测的能力。
• 通过在日志前对语义数据进行裁剪与压缩，区块链共识开销被最小化，防御类型记录仅需10 KB数据。
• ZKP计算开销主要集中在证明生成阶段，而验证阶段开销显著更轻，使其适合集成至智能合约中。
• 该方案保持高效率，即使在1MB语义数据下，ZKP计算也表现出对数据大小的极低依赖性。
• 该框架使VSP能够在不访问原始数据的情况下验证数据真实性并检测恶意转换，从而保障隐私与安全。

Figure 2: Relationship among Images