Homomorphic Federated Learning Architectures for Intelligent 6G Networks

Η έκτη γενιά ασύρματων δικτύων αναμένεται να φέρει θεμελιώδεις αλλαγές στον τρόπο που οι συσκευές επικοινωνούν και μοιράζονται δεδομένα, εισάγοντας τεχνολογίες όπως η τεχνητή νοημοσύνη και το υπολογιστικό νέφος στην άκρη του δικτύου. Η αυξημένη συλλογή και ανάλυση δεδομένων, ωστόσο, καθιστά την προστασία της ιδιωτικότητας και της ασφάλειας κρίσιμο ζήτημα. Η Ομοσπονδιακή Μάθηση επιτρέπει την εκπαίδευση μοντέλων μηχανικής μάθησης χωρίς τη μεταφορά των αρχικών δεδομένων, προσφέροντας ένα πρώτο επίπεδο προστασίας. Ωστόσο, τα δεδομένα μπορούν ακόμη να διαρρεύσουν μέσω των ενημερώσεων των μοντέλων. Η Ομομορφική Κρυπτογράφηση δίνει τη δυνατότητα εκτέλεσης υπολογισμών πάνω σε κρυπτογραφημένα δεδομένα, χωρίς αποκρυπτογράφηση. Ο συνδυασμός των δύο μεθόδων οδηγεί στην Ομομορφική Ομοσπονδιακή Μάθηση, μια τεχνική που παρέχει ισχυρή προστασία ιδιωτικότητας, ακόμη και απέναντι σε μη αξιόπιστους εξυπηρετητές. Η παρούσα διπλωματική εργασία στοχεύει στη σχεδίαση και αξιολόγηση μιας ασφουλούς και αποδοτικής αρχιτεκτονικής Ομομορφικής Ομοσπονδιακής Μάθησης, κατάλληλης για τα περιβάλλοντα των μελλοντικών δικτύων έκτης γενιάς. Μέσω υλοποίησης πρωτοτύπου και συγκριτικής αξιολόγησης με άλλες προσεγγίσεις, επιδιώκεται η διερεύνηση του συμβιβασμού μεταξύ ασφάλειας, απόδοσης και κλιμακωσιμότητας, με στόχο την πρακτική εφαρμογή της Ομομορφικής Ομοσπονδιακής Μάθησης σε πραγματικά σενάρια.

Authors dc:creator

• ΜΠΟΥΖΑΛΑΣ ΔΗΜΗΤΡΙΟΣ
• MPOUZALAS DIMITRIOS

• Τεχνολογία – Πληροφορική
• Technology - Computer science

Language dc:language

English

Identifier

uoadl:5424672

OAI record oai:identifier

https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5424672