Модель машинного обучения, основанная на гетерогенных данных

Авторы

DOI:

https://doi.org/10.26577/JMMCS.2022.v114.i2.09
        113 97

Ключевые слова:

Блокчейн, гетерогенные данные, МОВ, безопасная схема

Аннотация

Большие данные широко используются во многих областях бизнеса. Информация между организациями систематически воспроизводится и обрабатывается данными, а собранные данные существенно различаются по атрибутам. Составляя разнородные наборы данных, они дополняют друг друга, следовательно, необходим обмен данными между организациями. В процессе совместного обучения машинного обучения на основе разнородных данных текущая схема имеет множество проблем, включая эффективность, безопасность и доступность в реальных ситуациях. В этой статье мы предлагаем безопасный механизм обучения МОВ, основанный на блокчейне консорциума и пороговом гомоморфном алгоритме шифрования. Путем внедрения блокчейна консорциума можно построить децентрализованную платформу обмена данными, а также разработать безопасный алгоритм классификатора опорно-векторные машины на основе порогового гомоморфного шифрования.

Библиографические ссылки

[1] Narbayeva S., Bakibayev T., Abeshev K., Makarova I., Shubenkova K., Pashkevich A., "Blockchain Technology on the Way of Autonomous Vehicles Development" , Transportation Research Procedia 44 (2020): 168-175.
[2] Cheng N. , Lyu F. , Chen J., Xu W., Zhou H., Zhang S., Shen X.S., "Big data driven vehicular networks" , IEEE Netw. 32(6) (2018): 160-167.
[3] Fadlullah Z.M., Tang F., Mao B., Kato N., Akashi O., Inoue T., Mizutani K., "State-of-theart deep learning: evolving machine intelligence toward tomorrow’s intelligent network traffic control systems" , IEEE Commun. Surv. Tutorials 19(4) (2017): 2432-2455.
[4] Lv L., Zhang Y., Li Y., Xu K., Wang D., Wang W., Li M., Cao X., Liang Q., "Communicationaware container placement and reassignment in large-scale Internet data centers" , IEEE J. Sel. Areas Commun. 37(3) (2019): 540-555.
[5] Song D.X., Wagner D., Perrig A., "Practical techniques for searches on encrypted data" , IEEE S&P (2000): 44-55.
[6] Li H., Zhu L., Shen M., Gao F., Tao X., Liu S., "Blockchain-based data preservation system for medical data" , J. Med. Syst. 42(8) (2018): 141.
[7] Shen M., Ma B., Zhu L., Du X., Xu K., "Secure phrase search for intelligent processing of encrypted data in cloud-based IoT" , IEEE Internet Things J. 6(2), (2019): 1998-2008.
[8] Xu K., Yue H., Guo L., Guo Y., Fang Y., "Privacy-preserving machine learning algorithms for big data systems" , IEEE 35th International Conference on Distributed Computing Systems (IEEE, Piscataway (2015): 318-327.
[9] Mohassel P., Rindal P., "ABY 3: a mixed protocol framework for machine learning," , Proceedings of the 2018 ACMSIGSAC Conference on Computer and Communications Security, ACM, New York (2018): 35-52.
[10] Katz J., Lindell Y., " , Introduction to Modern Cryptography (Chapman and Hall/CRC, Boca Raton, 2014)
[11] Mangasarian O.L., Wolberg W.H., " , Cancer diagnosis via linear programming Technical report (University of WisconsinMadison Department of Computer Sciences, 1990)

Загрузки

Как цитировать

Narbayeva, S. M., Tapeeva, S. K., Turarbek, A., & Zhunusbaeva, S. (2022). Модель машинного обучения, основанная на гетерогенных данных. Вестник КазНУ. Серия математика, механика, информатика, 114(2). https://doi.org/10.26577/JMMCS.2022.v114.i2.09