Chương 1. MO DAU nghệ lưu trữ IPFS giúp cho hệ thống hoàn toàn phân tán. Trong đề tài này, chúng tôi sẽ đi vào phân tích từng vấn đề nêu trên và tìm hiểu những giải pháp liên quan đã được triển khai ở thời điểm hiện tại, từ đó chọn ra phương pháp phù hợp nhất cho hệ thống của mình.3 Câu trúc Khóa luận tot nghiệp Qua những gì đã giới thiệu về tổng quan của dé tài thực hiện trong khoá luận tốt nghiệp, tôi xin đưa ra nội dung của Khoá luận tốt nghiệp sẽ được tổ chức như sau: [I Giới thiệu tổng quan về khóa luận. AaOn hương 1 hương] Các công trình liên quan.
hương|3| Cơ sở lý thuyết. ° hương|4| Phương pháp và mô hình dé xuất. hương |5} Thực nghiệm và đánh giá. ương li Kết luận và hướng phát triển.
Chương 2 CÁC CÔNG TRÌNH LIÊN QUAN Trong phần này, tôi sẽ giới thiệu về các hướng nghiên cứu đã có, nêu những van dé còn tồn tại ở các khía cạnh liên quan đến dé tài này.1 Các nghiên cứu về phương pháp học cộng tác Học liên kết là một cơ chế đào tạo AI phân tán thu hút được sự chú ý của nhiều nhà nghiên cứu thuộc các lĩnh vựa khác nhau. Với khả năng đào tạo mô hình máy học phân tán mà không cần chủ sở hữu dữ liệu phải chia sẻ dữ liệu riêng tư của ho, FL đã tạo điều kiện thuận lợi để giải quyết các van dé về quyền riêng tư và bảo mật dữ liệu so với cách đào tạo mô hình máy học truyền thống. Một số nghiên cứu trước đây | đã nghiên cứu các ứng dụng của FL trong nhiều ngữ cảnh của nền công nghiệp lot. Đặc biệt, Dinh C.Nguyen va cộng sự đã thực hiện một cuộc khảo sát và đánh giá toàn diện về ứng dụng của FL trong mạng lưới IơT.
Nhóm tác giả cũng thảo luận về vai trò của FL trong một loạt các dịch vụ IơT như chia sẻ đữ liệu IoT, giảm tải và lưu trữ dữ liệu, phát hiện tan công, cảm biến đám đông trên thiết bị di động cũng như quyên riêng tư và bảo mật IơT. Bai báo cũng đã chứng minh tính linh hoạt của FL trong một số lĩnh vực như chăm sóc sức khỏe, giao thông, máy bay không người lái (UAV),. Sau cùng, bài báo cũng chỉ ra những thách thức và định hướng có thể nghiên cứu và triển khai FL trong lĩnh vực này. CÁC CÔNG TRINH LIÊN QUAN ni sàng Upload Dovaiaed Pascual Industrial== = tes [ Seer k s8eo & g-C)).
Bede —_ EealMeki- sam Weel FL-IoT Architecture Communication in FL-IoT HINH 2.1: Kiến trúc mang và quy trình giao tiếp cho FL-IoT của Dinh C.Nguyen và cộng sự 2.2 Các nghiên cứu về phương pháp hoc cộng tác trong lĩnh vực y tế Đối với thực trạng dân số già ngày càng tăng lên như hiện này, đi kèm với đó là những hệ luy từ việc ăn uống không lành mạnh đã dẫn đến những căn bệnh liên quan đến tim mạch. Bệnh tim mach (CVD) được công nhận là nguyên nhân hằng đầu của bệnh tật và tử vong hằng năm, và là một yếu tố làm tăng gánh nặng về chỉ phí chăm sóc y tế tại các nước trên thế giới [i0]. Ước tính có khoảng 17,9 triệu người chết vì CVDs vào năm 2019, chiếm một phần ba tổng số ca tử vong trên toàn cầu [26]. Nghiên cứu cũng nhấn mạnh rang, đa phan những ca bệnh khi được phát hiện sớm thì đều đễ dàng ngăn bệnh trở nặng.
Do đó, các thiết bị thông minh có thể tự theo dõi tình trạng sức khoẻ tim mạch của con người đang là một cách giải quyết tốt nhất cho van dé này. Dé làm được điều đó, cần một lượng lớn dữ liệu về tim mạch để có thể tạo nên một mô hình với độ chính xác cao. Hon nữa, những dữ liệu này cần được cập nhật liên tục trong quá trình vận hành các thiết bị. Tuy nhiên dữ liệu về sức khoẻ rất khó để có thể thu thập và huấn luyện như cách truyền thống do lo ngại về quyền riêng tư.
Hơn nữa chủ sở hữu dữ liệu Chương 2. CÁC CÔNG TRINH LIÊN QUAN thường sẽ không nhận được lợi ích từ việc chia sẻ, diéu này càng làm khó khăn thêm khi muốn xây dựng mô hình máy học theo cách truyền thống. Các nghiên cứu ứng dụng blockchain trong hoc cộng tác Việc xây dựng một khung cho mô hình Học liên kết (FL) an toàn bằng cách bảo mật dựa trên Blockchain nhằm cải thiện một số vấn đề của FL đã có nhiều nỗ lực nghiên cứu tập trung vào Blockchain và cả điện toán đám mây [29] [21] [28]. Cụ thể, trong nghiên cứu của Rui Wang và cộng sự D5) là những người đầu tiên đề xuất sử dụng tích hợp Blockchain, MEC vào quy trình học liên kết nhằm cải thiện quyền riêng tư, chất lượng và chi phí giao tiếp hệ thống.
Nhóm tác giả cũng dé xuất thuật toán ngăn chan các bản cập nhật độc hại nhằm bảo vệ FL và thiết kế cơ chế khuyến khích người dùng tham gia đào tạo mô hình với đánh giá đóng góp dựa vào trọng số mô hình được đào tạo. 1 ‘Cloud H Chương 2. CÁC CÔNG TRINH LIÊN QUAN Trong nghiên cứu về dam bảo quyền riêng tư dit liệu trong ngành công nghiệp IoT (21), Yunlong Lu và cộng sự da thiết kế một kiến trúc chia sé dữ liệu an toàn sử dụng học liên kết và Blockchain, nhóm tác giả tích hợp học liên kết vào quá trình đồng thuận của Permissioned Blockchain. Nhằm cải thiện các van dé về quyền riêng tư trong học liên kết để tăng cường đào tao 20], nhóm tác giả đã triển khai một cơ chế bảo mật nâng cao sử dụng Differential privacy và Ho- momorphic encryption.
Trong công trình này nhóm tác giả cũng sử dụng (IPFS) làm nơi lưu trữ dữ liệu để xây dựng một hệ thống hoàn toàn phi tập trung. Họ cũng đề xuất một cơ chế khuyến khích chủ sở hữu dữ liệu tham gia đào tạo mô hình bằng các sử dụng hợp đồng thông minh Ethereum. Nhóm tác giả [11] trong công trình nghiên cứu của minh đã phát triển một khung FL dựa trên blockchain kết hợp cả public (Ethereum Ropsten) va private (Hyperledger Fabric) 9} sử dung các hợp đồng thông minh để tự động phát hiện và trừng phạt những kẻ tấn công thông qua hình phạt tiền. Trong khuôn khổ công trình nghiên cứu bat kỳ chức năng tổng hợp nào và bat kỳ thuật toán phát hiện kẻ tấn công nào déu có thể được gắn vào mô hình dé xuất.
Nhóm tác giả cũng đã tiến hành các thử nghiệm để chứng minh rằng khung học liên kết dựa trên hybrid blockchain đảm bảo giao tiếp của FL và cung cấp các kết quả thực nghiệm để chứng minh rằng nó có thể trừng phạt thành công những kẻ tắn công bằng cách tận dụng thuật toán phát hiện kẻ tấn công mới được để xuất. Trong công trình nghiên cứu [Z5], Qassim Nasir và cộng sự đã chỉ ra những thách thức công nghệ blockchain gặp phải như bat kỳ công nghệ đang phát triển nào khác, blockchain đang đối mặt với một số thách thức kỹ thuật như khả năng mở rộng, quyên riêng tư và hiệu suất. Nhóm tác giả cũng chỉ ra rằng mặc dù có nhiều nền tảng blockchain, nhưng không có phương pháp luận rõ ràng để đánh giá và đánh giá các nên tảng blockchain khác nhau ở các khía cạnh khác nhau, chẳng hạn như hiệu suất, bảo mật và khả năng mở rộng. Trong bài báo tác giả cũng giới thiệu công cụ đánh giá hiệu năng Blockchain Hyperledger caliper, và thực hiện đánh giá nó.
Tuy nhiên các đánh giá được nhóm tác giả thực hiện đều là những đánh giá cơ bản chưa áp dụng vào một ngữ cảnh cụ thể. Ngoài ra, công trình nghiên cứu về thiết kế cơ chế khuyến khích cho việc học liên kết B0], Yufeng Zhan và cộng sự đã trình bày phân loại các cơ chế khuyến khích 10 Chương 2. CÁC CÔNG TRINH LIÊN QUAN ~_ Secure Cloud STEP2: Aggregate Parameters \ˆmsmì¬ ñ ân STEP 3: STEP 1A Send Input local Pie parameters STEP 18: Send ‘SHA256 Hash of loea mode! update WORKER † HINH 2.3: Kiến trúc va cách hoạt động của mô hình BlockFLA kết hợp học liên kết và blokchain hiện có đối với việc học liên kết, và sau đó có thực hiện đánh giá so sánh. Các tác giả đã chỉ ra các cơ ché khuyến khích đã bị bỏ qua hoặc tại chưa được liên kết với các thuật toán trong các mô hình hiện tại và tác giả cũng dé nghị việc xây dung cơ chế khuyến khích cũng cần xây dựng một hệ thống có bảo mật hơn để người dùng an tâm tham gia đào tạo mô hình.
Nhóm tác giả trên cũng đã nêu lên những ý tưởng về xây dựng cơ chế khuyến khích. Nghiên cứu đã nêu một các tổng quan về cơ chế khuyến khích trong học liên kết, tuy nhiên đây chỉ là một khảo sát và đánh giá dù mang lại một cái nhìn tổng quan và nhiều cách để giải quyết, nhưng chưa được triển khai để đáp ứng đầy đủ các yêu cầu của các hệ thống hiện tại. Tuy nhiên trong thực tế còn rất nhiều vần đề trong triển khai hệ thống học liên kết, trong đó việc đánh giá, kiểm tra các hành vi liên quan đến việc sử dụng mô hình độc hại vào quá trình huấn luyện mô hình với mục đích xấu và cơ ché để khuyến khích các chủ sở hữu dữ liệu tham gia vào đào tạo mô hình thông minh. Việc chỉ gửi mô hình cục bộ đã được huấn luyện bằng dữ liệu cá nhân lên hệ thống thay vì dữ liệu thô chưa hoàn toàn giải quyết được các vấn đề bảo mật và quyền riêng tư.
Nhiều nghiên cứu trước đây đã chỉ ra rằng thông qua các mô hình nhận được từ hệ thống, kẻ tấn công có thể thực hiện cuộc tan công suy ngược dữ 11 Chương 2. CÁC CÔNG TRINH LIÊN QUAN Local data Clients a> Local model ©@ Data quality @ Uploadrequied ) Calculate @) Obtain /quantity information payoff revenue HINH 2.4: Cơ chế khuyến khích cho việc học tập liên kết được thúc đẩy bởi sự đóng góp của khách hàng liệu từ đó day lên những lo ngại vẻ tính riêng tư của các chủ sở hữu dữ liệu. Để ngăn chặn và phục vu cho quá trình điều tra truy vét liên quan đến cuộc tan công trên, các hành vi tổng hợp mô hình và sử dụng chúng được hệ thống ghi lại vào Blockchain, đảm bảo khả năng giám sát hoạt động của hệ thống. Bên cạnh lo ngại van dé liên quan đến quyển riêng tư, việc các nguồn lợi từ việc huấn luyện các mô hình không được phân chia hợp lý cho các bên tham gia cũng khiến chủ sở hữu dw liệu do dự khi được mời tham gia đào tạo các mô hình thông minh.