基于區(qū)塊鏈的聯(lián)邦學(xué)習(xí)框架：結(jié)合康托爾濾波與里德-所羅門編碼技術(shù)，用于保障醫(yī)療物聯(lián)網(wǎng)系統(tǒng)的安全性
《Computer Networks》：Blockchain-Enabled Federated Learning Framework with Cantor Filtering and Reed–Solomon Coding for Secure Healthcare IoT Systems
編輯推薦：
區(qū)塊鏈聯(lián)邦學(xué)習(xí)框架在醫(yī)療物聯(lián)網(wǎng)中的應(yīng)用研究提出Cantor–PoF BFL模型，通過Cantor集數(shù)據(jù)過濾、CSI引導(dǎo)的功率分配和基于Nine Men's Morris的PoF共識(shí)機(jī)制，結(jié)合Banach-Tarski分形冗余實(shí)現(xiàn)高效安全的數(shù)據(jù)傳輸與模型更新，實(shí)驗(yàn)驗(yàn)證其在PPG-BP數(shù)據(jù)集上預(yù)測精度提升、通信延遲降低且抗DDoS和模型投毒攻擊。
Tasiu Muazu|Mao Yingchi
中國南京河海大學(xué)計(jì)算機(jī)與軟件工程學(xué)院，郵編210098
摘要
物聯(lián)網(wǎng)（IoT）設(shè)備的普及加速了對(duì)安全、保護(hù)隱私且通信效率高的協(xié)作學(xué)習(xí)框架的需求。然而，傳統(tǒng)的聯(lián)邦學(xué)習(xí)系統(tǒng)面臨數(shù)據(jù)異構(gòu)性、通信鏈路不可靠以及易受對(duì)抗性攻擊等關(guān)鍵挑戰(zhàn)。為了解決這些問題，本研究提出了一種新穎的Cantor–Proof-of-Filtering區(qū)塊鏈聯(lián)邦學(xué)習(xí)（Cantor–PoF BFL）框架，該框架結(jié)合了基于Cantor集的數(shù)據(jù)過濾、信道狀態(tài)信息（CSI）引導(dǎo)的功率分配以及基于九人莫里斯計(jì)算棋盤的Proof-of-Filtering（PoF）共識(shí)機(jī)制。Cantor過濾機(jī)制消除了IoT設(shè)備中的冗余和低熵?cái)?shù)據(jù)，從而提高了學(xué)習(xí)效率和收斂速度，而PoF共識(shí)機(jī)制確保了分布式節(jié)點(diǎn)間模型更新的安全性、可驗(yàn)證性和能效。該框架還引入了契約論激勵(lì)機(jī)制，以激勵(lì)參與者的誠實(shí)行為并確保聯(lián)邦客戶端之間的公平性。為了提高容錯(cuò)能力和數(shù)據(jù)持久性，引入了Banach–Tarski分形冗余技術(shù)，將模型參數(shù)復(fù)制并分布在多個(gè)區(qū)塊鏈分片上，從而抵御單點(diǎn)故障和攻擊。使用PPG-BP數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明，Cantor–PoF BFL模型在預(yù)測準(zhǔn)確性、通信延遲和執(zhí)行速度方面優(yōu)于現(xiàn)有的區(qū)塊鏈聯(lián)邦學(xué)習(xí)框架（如BlockFL、BFLC和DeepChain）。此外，該模型對(duì)Sybil攻擊、DDoS攻擊和模型投毒攻擊具有很強(qiáng)的抵御能力。這些發(fā)現(xiàn)表明，Cantor–PoF BFL框架是大規(guī)模IoT生態(tài)系統(tǒng)中安全、高效和可信的去中心化學(xué)習(xí)的穩(wěn)健且可擴(kuò)展的范式。
引言
醫(yī)療物聯(lián)網(wǎng)（IoMT）的持續(xù)發(fā)展通過引入智能的、互連的基礎(chǔ)設(shè)施（包括可穿戴和植入式傳感器、醫(yī)療設(shè)備以及邊緣計(jì)算系統(tǒng)）改變了醫(yī)療生態(tài)系統(tǒng)，這些系統(tǒng)能夠?qū)崟r(shí)收集和傳輸重要患者數(shù)據(jù)。這些IoMT系統(tǒng)處于精準(zhǔn)醫(yī)療的前沿，實(shí)現(xiàn)了早期診斷、持續(xù)監(jiān)測和個(gè)性化治療，同時(shí)減少了對(duì)頻繁就醫(yī)的依賴。這些設(shè)備包括智能血糖儀、震顫傳感器、脈搏血氧儀、血壓監(jiān)測儀和智能肺活量計(jì)等可穿戴和植入式傳感器。然而，這些設(shè)備產(chǎn)生的日益增長的大量異構(gòu)醫(yī)療數(shù)據(jù)引發(fā)了關(guān)于安全性、隱私性和數(shù)據(jù)管理效率的重大擔(dān)憂。傳統(tǒng)上用于預(yù)測分析和疾病檢測的集中式機(jī)器學(xué)習(xí)框架已不再適用，因?yàn)樗鼈兇嬖趩吸c(diǎn)故障、隱私泄露、高通信延遲和易受網(wǎng)絡(luò)攻擊等固有風(fēng)險(xiǎn)。通過無線通道傳輸醫(yī)療數(shù)據(jù)的復(fù)雜性進(jìn)一步凸顯了迫切需要能夠在多樣化醫(yī)療基礎(chǔ)設(shè)施上有效運(yùn)行的分布式和安全學(xué)習(xí)范式。
聯(lián)邦學(xué)習(xí)（FL）作為一種去中心化模型訓(xùn)練的范式應(yīng)運(yùn)而生，允許多個(gè)客戶端或設(shè)備在不交換原始數(shù)據(jù)的情況下協(xié)作訓(xùn)練共享的全球模型。在醫(yī)療領(lǐng)域，F(xiàn)L不僅確保了嚴(yán)格的隱私法規(guī)遵守，還促進(jìn)了醫(yī)院和醫(yī)療機(jī)構(gòu)之間的知識(shí)共享。盡管具有優(yōu)勢(shì)，傳統(tǒng)FL架構(gòu)仍面臨通信瓶頸、數(shù)據(jù)異構(gòu)性、客戶端參與不平衡以及惡意模型投毒或推理攻擊等挑戰(zhàn)。此外，對(duì)中央聚合器的依賴引入了潛在的漏洞和可擴(kuò)展性問題。為了增強(qiáng)數(shù)據(jù)可信性和模型安全性，將區(qū)塊鏈技術(shù)與FL相結(jié)合被認(rèn)為是一個(gè)有前景的方向。區(qū)塊鏈的去中心化賬本、加密完整性和不可變性特性為安全存儲(chǔ)模型更新和管理分布式實(shí)體之間的交易提供了透明且防篡改的框架。然而，傳統(tǒng)的基于區(qū)塊鏈的FL方法存在計(jì)算開銷高和共識(shí)機(jī)制效率低的問題，這限制了其在資源受限的IoMT網(wǎng)絡(luò)中的應(yīng)用。
為了解決這些問題，本研究提出了一種專為智能醫(yī)療IoT環(huán)境設(shè)計(jì)的基于區(qū)塊鏈的聯(lián)邦學(xué)習(xí)架構(gòu)。該系統(tǒng)引入了兩項(xiàng)核心改進(jìn)：Cantor過濾用于高質(zhì)量數(shù)據(jù)選擇，Reed–Solomon（RS）編碼用于通信中的強(qiáng)健錯(cuò)誤校正。Cantor過濾技術(shù)通過遞歸層次過濾系統(tǒng)地消除了冗余或無關(guān)的IoT數(shù)據(jù)，確保只有信息豐富且可靠的數(shù)據(jù)參與模型訓(xùn)練。這顯著提高了數(shù)據(jù)質(zhì)量和模型收斂效率。同時(shí)，RS編碼在客戶端和服務(wù)器之間傳輸模型參數(shù)時(shí)提供了強(qiáng)大的錯(cuò)誤檢測和校正能力，從而在網(wǎng)絡(luò)條件不可靠的情況下仍能保持梯度完整性。為了進(jìn)一步優(yōu)化系統(tǒng)可擴(kuò)展性，聯(lián)邦客戶端被分組為循環(huán)子組，由本地領(lǐng)導(dǎo)者協(xié)調(diào)，減少通信冗余并在傳輸?shù)揭苿?dòng)邊緣計(jì)算（MEC）服務(wù)器之前在本地聚合更新。這種層次結(jié)構(gòu)有效緩解了網(wǎng)絡(luò)擁塞，確保了帶寬的高效利用。
所提出的框架中整合了區(qū)塊鏈，為全局模型更新提供了不可變的存儲(chǔ)，并采用了一種新穎的Proof-of-Filtering（PoF）共識(shí)機(jī)制。與傳統(tǒng)的工作量證明（PoW）或權(quán)益證明（PoS）不同，PoF結(jié)合了數(shù)據(jù)質(zhì)量驗(yàn)證和基于九人莫里斯游戲的輕量級(jí)計(jì)算挑戰(zhàn)來驗(yàn)證礦工。只有具有高過濾準(zhǔn)確性和合法模型更新的節(jié)點(diǎn)才能添加新區(qū)塊，從而增強(qiáng)信任并防止惡意參與。為了確保數(shù)據(jù)的持續(xù)可用性和抵御分布式拒絕服務(wù)（DDoS）或拜占庭攻擊的能力，系統(tǒng)引入了類似Banach–Tarski分形的冗余技術(shù)，將區(qū)塊鏈副本分布在多個(gè)安全節(jié)點(diǎn)上以實(shí)現(xiàn)容錯(cuò)。此外，在非正交多址（NOMA）框架內(nèi)基于信道狀態(tài)信息（CSI）的功率分配策略根據(jù)信道條件動(dòng)態(tài)調(diào)整功率水平，優(yōu)化了無線傳輸效率，確保了子組服務(wù)器之間的公平性。
通過使用基于光電容積描記法的血壓（PPG-BP）醫(yī)療數(shù)據(jù)集進(jìn)行綜合模擬，評(píng)估了所提出模型的準(zhǔn)確性、通信效率和對(duì)抗性威脅的抵御能力。實(shí)驗(yàn)結(jié)果表明，Cantor過濾增強(qiáng)了特征選擇和模型收斂性，RS編碼提高了傳輸可靠性，PoF機(jī)制以最低的計(jì)算成本增強(qiáng)了區(qū)塊鏈的完整性。總體而言，這些創(chuàng)新確立了所提出架構(gòu)作為IoMT環(huán)境中安全、可擴(kuò)展且節(jié)能的隱私保護(hù)學(xué)習(xí)解決方案的地位。通過結(jié)合先進(jìn)的數(shù)學(xué)過濾、錯(cuò)誤校正和去中心化共識(shí)，本研究為下一代智能醫(yī)療系統(tǒng)奠定了堅(jiān)實(shí)的基礎(chǔ)，這些系統(tǒng)能夠在保護(hù)敏感醫(yī)療數(shù)據(jù)的同時(shí)保持高性能和可信性。表1列出了本文中使用的縮寫。
本文的其余部分組織如下：第2節(jié)提供文獻(xiàn)綜述，第3節(jié)介紹提出的模型設(shè)計(jì)，第4節(jié)進(jìn)行安全分析，第5節(jié)討論模擬結(jié)果，第6節(jié)總結(jié)本文并提出未來建議。
部分摘錄
文獻(xiàn)綜述
本節(jié)回顧了與基于區(qū)塊鏈的聯(lián)邦學(xué)習(xí)及其應(yīng)用相關(guān)的研究，并分為五個(gè)小節(jié)，系統(tǒng)地討論了關(guān)鍵研究主題和開放性挑戰(zhàn)。
提出的模型設(shè)計(jì)
在醫(yī)療IoT尤其是IoMT設(shè)備中，結(jié)合Cantor集[38]進(jìn)行數(shù)據(jù)過濾和RS編碼進(jìn)行錯(cuò)誤校正，可以通過創(chuàng)建高效的過濾器來選擇性地移除數(shù)據(jù)，逐步基于某些層次屬性消除數(shù)據(jù)點(diǎn)，因此非常適合我們提出的模型設(shè)計(jì)，用于移除冗余或無關(guān)的IoMT數(shù)據(jù)。這種方法的效率符合FL的目標(biāo)，即最小化通信和計(jì)算開銷。
安全分析
在本文中，由于所提出系統(tǒng)的弱點(diǎn)、對(duì)手的能力和攻擊向量，所提出的模型可能容易受到各種攻擊。例如，對(duì)手可能攔截通信通道以收集敏感數(shù)據(jù)或模型更新，多個(gè)惡意節(jié)點(diǎn)可能合謀操縱模型訓(xùn)練或共識(shí)機(jī)制。如果MEC服務(wù)器的憑證發(fā)放過程存在缺陷，所提出的系統(tǒng)可能會(huì)被利用。
仿真
所提出模型的仿真環(huán)境包括一臺(tái)配備Intel i5四核處理器、1.60 GHz時(shí)鐘速度和8 GB RAM的PC。Kubernetes用于在網(wǎng)絡(luò)中協(xié)調(diào)MEC服務(wù)。Hyperledger Fabric用于實(shí)現(xiàn)聯(lián)盟區(qū)塊鏈，而Ethereum則用于混合架構(gòu)中的智能合約執(zhí)行。為了模擬和評(píng)估通信網(wǎng)絡(luò)，使用了NS-3來測量通信結(jié)論
本文提出了一種基于區(qū)塊鏈的聯(lián)邦學(xué)習(xí)框架，用于安全高效的醫(yī)療IoT系統(tǒng)，通過緊密集成Cantor過濾、RS編碼和新型PoF共識(shí)機(jī)制來實(shí)現(xiàn)這一目標(biāo)。所提出的Cantor過濾方法有效去除了冗余和低質(zhì)量數(shù)據(jù)，從而加快了模型收斂速度并提高了預(yù)測準(zhǔn)確性，這一點(diǎn)在PPG-BP數(shù)據(jù)集上得到了驗(yàn)證。RS編碼通過實(shí)現(xiàn)可靠的恢復(fù)顯著增強(qiáng)了通信的魯棒性
CRediT作者貢獻(xiàn)聲明
Tasiu Muazu：撰寫 – 審稿與編輯、撰寫 – 原稿、驗(yàn)證、方法論、概念化。Mao Yingchi：撰寫 – 審稿與編輯、監(jiān)督、項(xiàng)目管理、資金獲取。
利益沖突聲明
作者聲明他們沒有已知的可能會(huì)影響本文所述工作的財(cái)務(wù)利益或個(gè)人關(guān)系。
