論文來(lái)源： Y. Lu, X. Huang, K. Zhang and S. Maharjan, Y. Zhang, "Blockchain Empowered Asynchronous Federated Learning for Secure Data Sharing in Internet of Vehicles," in IEEE Transactions on Vehicular Technology.

簡(jiǎn)介

在車(chē)聯(lián)網(wǎng)（IoV）中，數(shù)據(jù)之間的共享用于協(xié)作分析的車(chē)輛可以提高駕駛體驗(yàn)和服務(wù)質(zhì)量。但是，帶寬，安全性和隱私問(wèn)題阻礙了數(shù)據(jù)提供者參與數(shù)據(jù)共享過(guò)程。此外，由于IoV中的通信間歇性且不可靠，因此需要進(jìn)一步提高數(shù)據(jù)共享的可靠性和效率。在本文中，我們提出了一種基于聯(lián)合學(xué)習(xí)的新體系結(jié)構(gòu)，以減輕提供商的傳輸負(fù)載和隱私問(wèn)題。為了提高模型參數(shù)的安全性和可靠性，我們開(kāi)發(fā)了一種混合區(qū)塊鏈架構(gòu)，該架構(gòu)由許可區(qū)塊鏈和本地有向無(wú)環(huán)圖（DAG）組成。此外，我們通過(guò)采用深度強(qiáng)化學(xué)習(xí)（DRL）進(jìn)行節(jié)點(diǎn)選擇，提出了一種異步聯(lián)合學(xué)習(xí)方案，以提高效率。通過(guò)將學(xué)習(xí)到的模型集成到區(qū)塊鏈中并執(zhí)行兩階段驗(yàn)證，也可以確保共享數(shù)據(jù)的可靠性。

背景

5G網(wǎng)絡(luò)及其以外的新計(jì)算和通信技術(shù)的快速發(fā)展為先進(jìn)的車(chē)輛服務(wù)和應(yīng)用（例如自動(dòng)駕駛和內(nèi)容交付）打開(kāi)了可能性，這些服務(wù)和應(yīng)用可以改善駕駛體驗(yàn)。在這種情況下，車(chē)聯(lián)網(wǎng)（IoV）是一個(gè)新的范例，它將智能計(jì)算和車(chē)輛網(wǎng)絡(luò)集成到車(chē)載網(wǎng)絡(luò)中成為一個(gè)關(guān)鍵領(lǐng)域。在IoV中，行駛中的車(chē)輛不斷產(chǎn)生大量不同類(lèi)型的數(shù)據(jù)，其中包括諸如軌跡，交通信息和多媒體數(shù)據(jù)之類(lèi)的附加數(shù)據(jù)。如何有效地利用大量可用數(shù)據(jù)來(lái)改善駕駛體驗(yàn)并在IoV中提供廣泛的高質(zhì)量服務(wù)是至關(guān)重要的問(wèn)題。

數(shù)據(jù)共享可以通過(guò)分析和緩解協(xié)作挖掘數(shù)據(jù)，以提高IoV應(yīng)用程序的質(zhì)量。但是，在IoV中，數(shù)據(jù)共享面臨兩個(gè)關(guān)鍵挑戰(zhàn)。首先，車(chē)輛需要通過(guò)不可靠的車(chē)輛間通信來(lái)有效地共享數(shù)據(jù)。如何提高數(shù)據(jù)共享效率和可靠性還需要進(jìn)一步深入研究。其次，數(shù)據(jù)提供者越來(lái)越擔(dān)心數(shù)據(jù)安全性和隱私問(wèn)題，這些問(wèn)題可能會(huì)阻礙他們提供可用的數(shù)據(jù)進(jìn)行分析。因此，如何在IoV中有效和安全地共享數(shù)據(jù)仍然是一個(gè)開(kāi)放的研究問(wèn)題。

最近，區(qū)塊鏈已成為一種有前途的技術(shù)，提供分布式安全解決方案的專(zhuān)家。憑借防篡改，匿名和可追蹤性等高級(jí)功能，區(qū)塊鏈在增強(qiáng)物聯(lián)網(wǎng)（IoT），車(chē)載網(wǎng)絡(luò)和智能電網(wǎng)等領(lǐng)域的安全性方面引起了極大的關(guān)注。

聯(lián)合學(xué)習(xí)是一種有前途的方法在分布式方案中保護(hù)隱私的邊緣智能。聯(lián)合學(xué)習(xí)不是在集中的策展人那里收集所有培訓(xùn)數(shù)據(jù)，而是在很大程度上解決了隱私問(wèn)題，并通過(guò)將培訓(xùn)工作分配給用戶自己來(lái)降低傳輸成本。用戶根據(jù)自己的數(shù)據(jù)執(zhí)行局部訓(xùn)練，通常采用梯度下降優(yōu)化算法。在聯(lián)合學(xué)習(xí)框架中，用戶保留其數(shù)據(jù)，但將參數(shù)發(fā)送到服務(wù)器進(jìn)行聚合。這為用戶提供了一種并行方案，以供他們協(xié)作學(xué)習(xí)其數(shù)據(jù)隱私方面的全局模型。聯(lián)合學(xué)習(xí)通過(guò)以隱私保護(hù)的方式從分布式數(shù)據(jù)中學(xué)習(xí)來(lái)實(shí)現(xiàn)邊緣智能，并使區(qū)塊鏈能夠在不受信任的參與者之間提供有保證的協(xié)作方案，以實(shí)現(xiàn)高效共享。

但是，在IoV中，由于車(chē)輛的機(jī)動(dòng)性和不可靠的車(chē)輛間通信而造成的高度動(dòng)態(tài)環(huán)境帶來(lái)了許多新的挑戰(zhàn)需要解決。在這種情況下，三個(gè)方面至關(guān)重要。首先，需要提高區(qū)塊鏈的計(jì)算效率。其次，需要保證共享數(shù)據(jù)的可靠性。應(yīng)該減輕提供商共享不合格數(shù)據(jù)（例如惡意和冗余數(shù)據(jù)）的風(fēng)險(xiǎn)。第三，應(yīng)減少由于聯(lián)合學(xué)習(xí)而引起的延遲，以應(yīng)對(duì)車(chē)輛的異構(gòu)通信和計(jì)算能力

區(qū)塊鏈賦能的異步聯(lián)合學(xué)習(xí)架構(gòu)

傳統(tǒng)的聯(lián)合學(xué)習(xí)取決于同步學(xué)習(xí)方案以更新服務(wù)器和客戶端之間的模型。但是，這種方法存在兩個(gè)主要挑戰(zhàn)。首先，在車(chē)輛網(wǎng)絡(luò)中，每輛車(chē)的學(xué)習(xí)時(shí)間因其異構(gòu)的計(jì)算能力和動(dòng)態(tài)通信條件而有所不同。因此，每個(gè)學(xué)習(xí)迭代的運(yùn)行時(shí)間由最慢的參與者決定，而其他參與者則必須等待最慢的參與者才能維護(hù)同步方案。我們提出異步聯(lián)合學(xué)習(xí)來(lái)解決這個(gè)問(wèn)題。我們提出的方案通過(guò)最佳選擇參與節(jié)點(diǎn)并將聚合時(shí)隙劃分為本地聚合時(shí)隙和全局聚合時(shí)隙來(lái)執(zhí)行異步學(xué)習(xí)。其次，在參與節(jié)點(diǎn)之間傳輸?shù)膮?shù)提出了嚴(yán)重的安全性和隱私問(wèn)題，并且由于動(dòng)態(tài)信道條件而導(dǎo)致的低通信可靠性加劇了這些參數(shù)傳輸?shù)目煽啃?。我們集成了區(qū)塊鏈來(lái)存儲(chǔ)和驗(yàn)證模型參數(shù)，從而可以提高所提出方案的可靠性和安全性。此外，我們采用基于Actor-Critic（AC）強(qiáng)化學(xué)習(xí)框架的DRL算法，在我們提出的異步聯(lián)合學(xué)習(xí)中選擇參與節(jié)點(diǎn)。擬議的區(qū)塊鏈?zhǔn)跈?quán)異步聯(lián)邦分級(jí)學(xué)習(xí)架構(gòu)包括三個(gè)階段：節(jié)點(diǎn)選擇，局部訓(xùn)練和全局聚合。節(jié)點(diǎn)選擇通過(guò)使用DRL算法選擇參與的車(chē)輛來(lái)制定和解決優(yōu)化問(wèn)題。然后，選定的車(chē)輛執(zhí)行本地訓(xùn)練并更新其訓(xùn)練后的本地模型以進(jìn)行全局匯總。

混合許可的區(qū)塊鏈方案：PERMIDAG

由于車(chē)載網(wǎng)絡(luò)的時(shí)變拓?fù)浣Y(jié)構(gòu)和嚴(yán)格的延遲要求，因此在V2V數(shù)據(jù)共享過(guò)程中很難維護(hù)高效的計(jì)算區(qū)塊鏈。此外，由于參與者之間為了實(shí)現(xiàn)許可區(qū)塊鏈中的一致性而對(duì)鏈數(shù)據(jù)進(jìn)行同步和驗(yàn)證，上傳和檢索參數(shù)的過(guò)程非常耗時(shí)。為了提高數(shù)據(jù)安全性，培訓(xùn)效率和準(zhǔn)確性，我們?yōu)槁?lián)合學(xué)習(xí)計(jì)劃設(shè)計(jì)了一種混合區(qū)塊鏈機(jī)制-PermiDAG。PermiDAG由一個(gè)主要的許可區(qū)塊鏈和本地DAG組成，分別負(fù)責(zé)我們的聯(lián)合學(xué)習(xí)方案中的同步全局聚合和異步本地培訓(xùn)。PermiDAG具有分區(qū)容忍性，這意味著部分節(jié)點(diǎn)也可以有效地運(yùn)行區(qū)塊鏈。此外，通過(guò)讓車(chē)輛僅存儲(chǔ)本地DAG并讓RSU存儲(chǔ)許可的區(qū)塊鏈來(lái)提高存儲(chǔ)效率。

總結(jié)
在本文中，我們解決了IoV中車(chē)輛之間的數(shù)據(jù)共享的邊緣問(wèn)題。我們首先提出了一種混合區(qū)塊鏈機(jī)制，其中包括IoV中的許可區(qū)塊鏈和本地DAG?；诨旌蠀^(qū)塊鏈機(jī)制，我們提出了異步聯(lián)合學(xué)習(xí)方案，并通過(guò)使用DRL選擇優(yōu)化的參與節(jié)點(diǎn)進(jìn)一步提高了學(xué)習(xí)效率。通過(guò)將學(xué)習(xí)參數(shù)集成到區(qū)塊鏈中，可以通過(guò)兩階段驗(yàn)證進(jìn)一步驗(yàn)證學(xué)習(xí)模型的質(zhì)量。