ĐẠI HỌC QUOC GIA TP. HO CHÍ MINH TRUONG DAI HQC CONG NGHE THONG TIN KHOA KHOA HOC VA KY THUAT THONG TIN DANG HUYNH PHUC HIEN - 19520532 KHOA LUAN TOT NGHIEP HE THONG TRA THUONG HOC TAP PHAN TAN SU DUNG BLOCKCHAIN TREN THIET BỊ DI ĐỘNG DISTRIBUTED LEARNING REWARD SYSTEM USING BLOCKCHAIN ON MOBILE DEVICE CU NHAN NGANH CONG NGHE THONG TIN NHAT BAN GIANG VIEN HUONG DAN TS.NGUYEN TAN CAM TP. HO CHi MINH, 2023 ĐẠI HỌC QUOC GIA TP. HO CHÍ MINH TRUONG DAI HQC CONG NGHE THONG TIN KHOA KHOA HOC VA KY THUAT THONG TIN VO HUYNH HAI ĐĂNG - 19521321 KHOA LUAN TOT NGHIEP HE THONG TRA THUONG HOC TAP PHAN TAN SU DUNG BLOCKCHAIN TREN THIET BỊ DI ĐỘNG DISTRIBUTED LEARNING REWARD SYSTEM USING BLOCKCHAIN ON MOBILE DEVICE CU NHAN NGANH CONG NGHE THONG TIN NHAT BAN GIANG VIEN HUONG DAN TS.NGUYEN TAN CAM TP.
HO CHi MINH, 2023 LỜI CẢM ƠN Nhóm chúng em bày tỏ lòng biết ơn sâu sắc và lòng tạ ơn vô giá trị về sự hỗ trợ và sự hướng dẫn quý báu mà thầy Nguyễn Tắn Cầm và khoa Khoa Học và Kỹ Thuật Thông Tin đã cung cấp cho nhóm trong quá trình hoàn thành luận văn của mình. Sự ủng hộ và khích lệ không ngừng của thầy và sự hỗ trợ của khoa đã góp phần quan trọng vao quá trình thực hiện khóa luận của chúng em, và chúng em thành thật biết ơn về cơ hội được làm việc dưới sự hướng dẫn của thay. Kiến thức rộng lớn, chuyên môn và sự tận tâm của thầy là nguồn cảm hứng to lớn đối với chúng em. Sự chỉ dẫn tận tâm và sâu sắc của thầy không chỉ đã định hình hướng đi của nghiên cứu của nhóm mà còn nuôi dưỡng sự phát triển trí tuệ của chúng em.
Nhóm chúng em biết ơn vì sự kiên nhẫn của và sự sẵn lòng chia sẻ kiến thức và kinh nghiệm của thầy, điều này đã làm giàu thêm hiéu biết của chúng em về vấn đề đang nghiên cứu. Nhóm em cũng muốn bày tỏ lòng biết ơn đến khoa Khoa Học và Kỹ Thuật Thông Tin vì đã cung cấp cho nhóm một môi trường học tập và nghiên cứu tốt. Các thành viên của Khoa luôn thể hiện sự xuất sắc trong giáo dục và nghiên cứu, tạo ra một không khí tò mò và đổi mới. Những nguồn lực và cơ sở vật chat rộng rãi mà Khoa cung cấp đã đóng vai trò quan trọng trong việc hoàn thành thành công luận văn của nhóm em.
Tổng kết lại, tôi muốn một lần nữa bày tỏ lòng biết ơn chân thành đến thầy Nguyễn Tấn Cam và khoa Khoa Học và Kỹ Thuật Thong Tin vì sự hỗ trợ và sự chỉ dẫn không thé thiếu. Kiến thức và kinh nghiệm thu được trong suốt hành trình này sẽ luôn tác động đến học tập và sự nghiệp của chúng em. Chúng em rất tự hào khi là một phần của cơ sở giáo dục danh giá này và chúng em tin rằng những kỹ năng và kiến thức đã thu được sẽ là nền tảng vững chắc cho các công việc và sự nghiệp cảu chúng em trong tương lai. LÝ DOCHỌN DE TÀI 1.
DOI TƯỢNG VÀ PHAM VI NGHIÊN CỨU 2. HOc MAY LIEN KET (FEDERATED LEARNING) 3. CÔNG NGHỆ BLOCKCHAIN " 3. HỌC MAY TRUYEN THONG VA HỌC MAY LIÊN KET \œ&©0 3.
Cơ chế của hoc máy truyén thống 3. Thách thức của học máy truyền thong 3. Su phân tan của dữ liệu 3. Các quy định pháp ly 3.
Về phía người dùng 10 3. Khối lượng dữ liệu 10 3. HOC MAY LIÊN KET VÀ CÔNG NGHỆ BLOCKCHAIN 11 3. Tính bảo mật il 3.
Tính minh bạch il 3. Các dạng cua học máy liên kết 12 3. Hợp đông thông minh 14 3. Sự kiện trong hợp đồng thông minh 14 3.
Cơ chế trả thưởng thông qua hợp đồng thông minh 17 3. Phần thưởng cơ bản (20%) 17 3. Phần thưởng hiệu suất (80%) 18 3. Lợi ích của phương pháp xóa bỏ 20 3.
SƠ ĐỎ VÀ ĐẶC TẢ USE CASE 21 4. Danh sách Actor 21 4. Biểu đồ use case tong quát 22 4. Danh sách các use case 23 4.
Đặc ta usecase 24 S+K®RH? 4. Authenticate server side 25 4. Submit Train/Test/Aggregate 27 4. Add to Blocklist 30 4.
Remove from Blocklist 31 4. Add to Allowlist 32. Remove from Allowlist 32 4. THIET KE SMART CONTRACT 34 4.
Bước khởi tao session va apply session 38 4. Bước thực hiện Training Round 39 4. Bước thực hiện Checking Round 40 4. Bước thực hiện chon Candidate Aggregator Round 4l 4.
Bước thực hiện Aggregating Round 42 4. Bước thực hiện Testing Round 43 4. Bước thực hiện Claim Reward 44 4. Gnosis Safe Multisig 45 4.
Các node lấy về các mô hình hiện tại cần huấn luyện và tiễn hành tham gia 46 4. Các node tiến hành tải global model và huấn luyện cục bộ 46 4. Các node tiến hành kiểm tra tình hợp lệ của các param của các trainer khác 47 4. Node được chọn dé tổng hợp model sẽ tiến hành tổng hợp ra global model mới 48 4.
Sau khi tổng hợp mô hình, các node sẽ kiếm tra tính hiệu quả của mô hình để đánh giá sự đóng góp của các node 30 4. Thu thập phần thưởng 51 4. Tiếp tục lặp lại các quá trình cho các round tiếp theo đến khi kết thúc 52 1. KHẢ NĂNG MỞ RONG VÀ HIỆU SUAT 54 2.
TRIEN KHAI VÀ ÁP DỤNG THỰC TE 55 2. THÊM CƠ CHE TÍCH HOP KIEM THU TỪ PHÍA NGƯỜI SO HỮU MÔ HÌNH 55 2. XÂY DỰNG UNG DUNG TREN THIET BỊ DI ĐỘNG THAN THIỆN VỚI NGƯỜI DÙNG 55 DANH MỤC HÌNH Hình 3.1: Công thức tinh phần thưởng hiệu suất.1 Usecase tổng quát của Trainer.2 Use case tổng quát của Admin.3 Use case tổng quát của Compliance Service.4 Use case tổng quát của Minter Serviee.1 Sơ đồ tổng quát hệ thống hợp đồng thông minh.2 Quá trình triển khai các hợp đồng thông minh Hình 4.3 Quy trình triển khai chỉ tiết với constructor Hình 4.4 Quy trình cài đặt các thực hiện, tham số ban đầu sau khi triển khai hợp đồng thông minh.5 Quy trình khởi tạo session của | actor va apply session của actor khác 38 Hình 4.6 Quy trình lay mô hình toàn cục cho quá trình huấn luyện cục bộ và nộp tham số của mô hìn| cục bộ đã huấn luyện.7 Quy trình nhận ngẫu nhiên các mô hình của trainer khác dé kiểm tra tính hợp lệ và nộp kết quả điều tra.8 Quy trình Owner Session nhận 5 trainers có đóng góp nhiêu nhất trong hệ thống làm ứng cử viên Aggregator và nộp kết quả các ứng viên.9 Quy trình Aggregator nhận tất cả các mô hình cục bộ về đề tổng hợp và 002 07 .10 Quy trình trainer nhận ngẫu nhiên mô hình của các trainer khác đề kiểm tra tính đóng góp và kết quả.11 Quy trình trainer yêu cầu phần thưởng sau khi round đã kết thúc.2: Huấn luyện cục bộ .3: Kiểm tra tính hợp lệ.4: tổng hợp global model mớii .5: kiểm tra mô hình.6: thu thập phần thưởng.7: kết thúc quá trình .cckikiiiiiiiiiiiiiiiiiiiiiiiiiiiiirrree 52 DANH MỤC BẢNG Bảng 3.1 Một số quy định pháp lý Bảng 4.1 Danh sách các actor.2 Danh sách các use case. DANH MỤC TU VIET TAT FL- Federated learning HEL - Horizontal Federated Learning VFL - Vertical Federated Learning FedAvg - Federated averaging TÓM TẮT KHÓA LUẬN Sự tiến bộ nhanh chóng trong công nghệ đã cho phép các nền tang học trực tuyến nhận được sự phố biến đáng kẻ.
Tuy vậy, các hệ thống học truyền thông thường gặp các vấn đề như tập trung tại một máy chủ duy nhất, thiếu minh bạch và hiệu suất kém trong việc thưởng cho người tham gia. Đồng thời, cách tiếp cận truyền thống cũng không thé áp dụng được trong nhiều trường hợp. Học Máy Phân Tán (FL) đã trở thành một mô hình đột phá trong lĩnh vực học máy, cho phép hợp tác an toàn giữa nhiều bên mà vẫn giữ được quyền riêng tư của dữ liệu. Tuy nhiên, việc áp dụng FL xuất hiện nhiều thách thức như thiếu hệ thống khuyến khích công bằng, mối quan ngại về an ninh và nhu cầu về khung đánh giá tiêu chuẩn.
Luận văn này nhằm đề ra giải pháp cho những thách thức này bằng cách đề xuất một phương pháp gọi là Hệ thống Phần Thưởng Học Máy Phân Tán Sử Dụng Blockchain. Nghiên cứu này khám phá việc tích hợp công nghệ blockchain vào môi trường học tập để tạo ra một hệ thống thưởng phân tán và minh bạch. Bằng cách tận dụng những đặc tính cốt Idi của blockchain như tính không thé thay đổi, phân tán và bảo mật, hệ thống đề xuất nhằm khuyến khích và công nhận sự đóng góp của những người tham gia học trong hệ sinh thái học phân tán. Luận văn bắt đầu bằng việc trình bày cái nhìn tổng quan và các hạn chế.
Nghiên cứu xem xét những thách thức về tập trung quá mức, thiếu minh bạch và không hiệu quả trong việc thưởng cho người tham gia. Sau đó, nghiên cứu công nghệ blockchain, các đặc điểm chính và ứng dụng tiềm năng trong lĩnh vực học phân tán. Nghiên cứu xem xét các hệ thống thưởng dựa trên blockchain hiện có. Tiếp theo trình bày thiết kế và tiến hành triển khai Hệ thống Phần Thưởng Học Máy Phân Tan.
Kiến trúc hệ thống sử dụng công nghệ blockchain, cho phép ghi lại và xác minh một cách minh bạch các hoạt động học và đóng góp. Hợp đồng thông minh được sử dung dé tự động hóa việc phân phối phần thưởng và đảm bảo giao dịch công bằng và an toàn trong hệ thống. Tóm lại, luận văn này đóng góp vào lĩnh vực công nghệ giáo dục bằng cách trình bày một cái nhìn toàn diện về tích hợp công nghệ blockchain vào hệ thống thưởng học tập. Hệ thông Phần Thưởng Học Máy Phân Tan đề xuất thé hiện tiềm năng dé biến đổi các mô hình học truyền thống bằng cách cung cấp một khung tương tác phi tập trung và minh bạch.
Nghiên cứu này mở ra những cơ hội cho việc khám phá sâu hơn để tạo ra môi trường học phân tán hiệu quả và công bằng hơn. Lý do chọn đề tài Học máy liên kết (Federated learning) đang dần trở thành một khía cạnh quan trọng trong nghiên cứu học máy gần đây. An toàn và bảo mật là tiêu chí đang được chú trọng bởi các cộng đồng nghiên cứu Đồng thời công nghệ blockchain đã được phát triển, lan rộng và được ứng dụng rộng rãi trong các lĩnh vực khác nhau. Đó có thể được xem là mảnh ghép còn thiếu của học máy phân tán khi nó có thé giải quyết được các thách thức của học máy phân tán như có thể đảm bảo được sự chính xác, an toàn và đúng đắn của việc phân phối các thông số mô hình.