يادگيري مشاركتي بر پايه زنجيره قالب عمومي از طريق تراكنش هاي خارج از زنجيره

كارشناسي ارشد

امروزه هوش مصنوعي و به تبع آن يادگيري ماشين، كاربردهاي گسترده‌اي در صنايع و زندگي روزمره پيدا كرده‌اند. با اين حال، روش‌هاي سنتي يادگيري ماشين با چالش‌هايي نظير تمركز داده‌ها، نقض حريم خصوصي و عدم كارايي در مقياس بزرگ روبرو هستند. يادگيري مشاركتي به عنوان رويكردي نوين، به دنبال غلبه بر اين چالش‌ها با توزيع فرآيند يادگيري و رسيدن به يك مدل نهايي با كيفيت از طريق داده‌هاي توزيع شده بين دستگاه‌هاي مختلف است. در اين پژوهش، پروتكلي براي يادگيري مشاركتي بر پايه زنجيره قالب‌هاي عمومي ارائه مي‌شود كه مزاياي متعددي را به همراه دارد. نخست، با استفاده از زنجيره قالب‌هاي عمومي، توانايي دسترسي به يك جمعيت بزرگ از كاربران با توزيع داده اي متفاوت را خواهيم داشت و همچنين شفافيت و ارزيابي فرآيند يادگيري تضمين مي‌شود. دوم، تراكنش‌هاي خارج از زنجيره امكان تبادل كارآمد داده‌ها و مدل‌ها را بدون نياز به ثبت تراكنش‌ها در زنجيره قالب فراهم مي‌كنند. سوم، با استفاده از مكانيزم‌هاي تشويقي، كاربران براي مشاركت فعال در فرآيند يادگيري ترغيب خواهند شد و از سوي ديگر، به دليل شفافيت و ارزيابي توزيع شده توسط كاربران، امكان جريمه كاربران متخاصم با استفاده از يك قرارداد هوشمند وجود دارد. اين پروتكل با تمركز بر حفظ حريم خصوصي و كارايي، چالش‌هاي موجود در يادگيري مشاركتي نظير رعايت سازوكار انصاف، سازوكار پاداش و جريمه، ارزيابي غيرمتمركز را به طور مؤثر حل مي‌كند و زمينه‌اي مناسب براي توسعه و كاربرد گسترده اين روش در حوزه‌هاي مختلف فراهم مي‌آورد. همچنين طراحي اين پروتكل در هفت فاز انجام شده است. در پايان با استفاده از مجموعه داده Mnist و زبان Python اين پروتكل شبيه سازي گرديده است و بر اساس اين شبيه سازي، نتيجه گيري هايي صورت گرفته است.

229558

دانشگاه اصفهان

مهندسي كامپيوتر- رايانش امن

مجتبي مهدوي