HEAL DSpace

Μπεϋζιανά παίγνια σε ασύρματα δίκτυα ομόσπονδης μάθησης με κακόβουλους χρήστες

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

dc.contributor.author Μπαρκάτσα, Σοφία el
dc.contributor.author Barkatsa, Sofia en
dc.date.accessioned 2024-12-10T12:17:22Z
dc.date.available 2024-12-10T12:17:22Z
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/60526
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.28222
dc.rights Default License
dc.subject Ομόσπονδη Μάθηση el
dc.subject Μπεϋζιανά Παίγνια el
dc.subject Τιμή Shapley el
dc.subject Επιθέσεις Παρεμβολών el
dc.subject Επιθέσεις Δηλητηριασμού el
dc.subject Federated Learning en
dc.subject Bayesian Games en
dc.subject Shapley Value en
dc.subject Jamming Attacks en
dc.subject Poisoning Attacks en
dc.title Μπεϋζιανά παίγνια σε ασύρματα δίκτυα ομόσπονδης μάθησης με κακόβουλους χρήστες el
heal.type bachelorThesis
heal.classification Δίκτυα Υπολογιστών el
heal.language el
heal.access free
heal.recordProvider ntua el
heal.publicationDate 2024-06-27
heal.abstract Η Ομόσπονδη Μάθηση (Federated Learning - FL) είναι μια αποκεντρωμένη προσέγγιση στη μηχανική μάθηση που επιτρέπει στις συσκευές να εκπαιδεύουν από κοινού μοντέλα μηχανικής μάθησης, χωρίς να αποκαλύπτουν τα τοπικά τους δεδομένα και να διακινδυνεύουν την ιδιωτικότητά τους. Αντί να συλλέγει τα προσωπικά δεδομένα των χρηστών σε έναν κεντρικό διακομιστή, η Ομόσπονδη Μάθηση δημιουργεί ένα συγκεντρωτικό μοντέλο αθροίζοντας τα τοπικά μοντέλα μηχανικής μάθησης του εκπαιδεύουν οι συμμετέχοντες. Παρά τα πλεονεκτήματά της, όμως, η Ομόσπονδη Μάθηση καλείται να αντιμετωπίσει πολλαπλές προκλήσεις. Μία σημαντική απειλή της Ομόσπονδης μάθησης είναι οι επιθέσεις δηλητηριασμού, όπου κακόβουλοι συμμετέχοντες προσπαθούν να διαφθείρουν τη διαδικασία μάθησης χρησιμοποιώντας δηλητηριασμένα δεδομένα για την εκπαίδευση των τοπικών μοντέλων τους. Επιπλέον, όταν η Ομόσπονδη Μάθηση υλοποιείται μέσω ασύρματων δικτύων, είναι επιπλέον ευάλωτη σε διάφορες δικτυακές επιθέσεις, όπως παρεμβολές (jamming), που υποβαθμίζουν την ποιότητα της επικοινωνίας των συμμετεχόντων με τον διακομιστή. Η παρούσα διπωματική εργασία προτείνει νέες προσεγγίσεις για την ενίσχυση της ασφάλειας της Ομόσπονδης Μάθησης έναντι πολλαπλών απειλών. Η μελέτη μας αφορά στην διεξαγωγή ενός Μπεϋζιανού Παιγνίου (Bayesian game) μεταξύ των χρηστών, με σκοπό την επιλογή της βέλτιστης ισχύος εκπομπής, για την εξουδετέρωση των επιθέσεων παρεμβολών. Ταυτόχρονα, υλοποιείται στον διακομιστή ένα συνεργατικό παίγνιο με την χρήση μιας τροποποιημένης εκδοχής της μετρικής Shapley, για την αξιολόγηση της ποιότητας των τοπικών μοντέλων και την ανίχνευση επιθέσεων δηλητηριασμού. Τέλος, προτείνουμε την χρήση ενός νέου αλγόριθμου συνάθροισης (ContrAvg), ο οποίος αθροίζει τα βάρη των τοπικών μοντέλων με βάση την ποιότητά τους, μειώνοντας έτσι τις επιπτώσεις των επιθέσεων δηλητηριασμού. Η μελέτη μας είναι ανάμεσα στις λίγες εργασίες που αντιμετωπίζουν δύο διαφορετικούς τύπους επιθέσεων στην Ομόσπονδη Μάθηση, υπό ένα ενιαίο πλαίσιο, προστατεύοντας τόσο το δίκτυο ασύρματης επικοινωνίας όσο και την διαδικασία της Ομόσπονδης Μάθησης, από την απειλή κακόβουλων συμμετεχόντων. el
heal.advisorName Παπαβασιλείου, Συμεών el
heal.committeeMemberName Παπαβασιλείου, Συμεών el
heal.committeeMemberName Στάη, Ελένη el
heal.committeeMemberName Ματσόπουλος, Γεώργιος el
heal.academicPublisher Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικής Ισχύος el
heal.academicPublisherID ntua
heal.numberOfPages 85 σ. el
heal.fullTextAvailability false


Αρχεία σε αυτό το τεκμήριο

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής