邊緣算法的隱私保護(hù)應(yīng)用研究

馮幸 鐘其鏗

【摘要】? ? 近年來，信息的隱私保護(hù)應(yīng)用隨著創(chuàng)新、知識(shí)型和智力資源交互業(yè)務(wù)的展開越發(fā)重要，不僅是互聯(lián)網(wǎng)平臺(tái)隱私保護(hù)需求，智慧城市、智慧家居、智慧交通等涉及到海量用戶隱私數(shù)據(jù)的領(lǐng)域也面臨著受到攻擊和滲透的風(fēng)險(xiǎn)，數(shù)據(jù)精準(zhǔn)推薦和其他營銷活動(dòng)給各大商業(yè)活動(dòng)帶去數(shù)字革命的巨大利潤，但社會(huì)仍然離不開網(wǎng)絡(luò)知識(shí)產(chǎn)權(quán)保護(hù)和數(shù)據(jù)隱私保護(hù)的話題。本文在邊緣計(jì)算算法的技術(shù)和應(yīng)用上，探索出一條未來打開知識(shí)和隱私數(shù)據(jù)信息保護(hù)的研究方向，并給出相應(yīng)的建議。

【關(guān)鍵詞】? ? 邊緣計(jì)算? ? 隱私保護(hù)? ? 算法

一、關(guān)于邊緣計(jì)算的核心技術(shù)

1.1 邊緣計(jì)算模型

從邊緣計(jì)算從2016年給出定義以來，就已經(jīng)被應(yīng)用到了社會(huì)諸多領(lǐng)域，例如云卸載、視頻解析、智慧城市、智慧交通等，在編碼可行性、服務(wù)管理、隱私保護(hù)和優(yōu)化領(lǐng)在未來仍大有可為之處。特別是在工業(yè)界，邊緣計(jì)算也隨著大數(shù)據(jù)和人工智能技術(shù)的發(fā)展逐漸興起。

聯(lián)合式網(wǎng)絡(luò)結(jié)構(gòu)共分為三層，分別包括云計(jì)算層、邊緣計(jì)算層和終端層。各個(gè)層級(jí)之間可以實(shí)現(xiàn)跨層進(jìn)行通信。不同的組成方式也決定了不同的層級(jí)之間的儲(chǔ)存能力與計(jì)算能力。也決定了各個(gè)層級(jí)擁有的不同的功能。

1.終端層。終端層的功能是對(duì)原始數(shù)據(jù)進(jìn)行收集并進(jìn)行上報(bào)。它由RFID標(biāo)簽、攝像頭、傳感器、智能手機(jī)等物聯(lián)網(wǎng)設(shè)備組成，終端層的計(jì)算不需要考慮他們的計(jì)算能力，只需要考慮各種不同的物聯(lián)網(wǎng)設(shè)備，如智能手機(jī)等的感知能力。

2.邊緣計(jì)算層。網(wǎng)絡(luò)邊緣節(jié)點(diǎn)是邊緣計(jì)算層的主要組成部分。主要分布于計(jì)算中心與終端設(shè)備之間。邊緣計(jì)算層可以部署在網(wǎng)絡(luò)連接處，如路由器網(wǎng)關(guān)等設(shè)備當(dāng)中，它也可以是智能手環(huán)或者智能攝像頭等一系列智能設(shè)備。通常邊緣計(jì)算層的節(jié)點(diǎn)資源是不斷變化的。人們?cè)谑褂弥悄苁汁h(huán)智能設(shè)備等終端的過程中，隨著使用時(shí)間的增加，可利用資源也存在動(dòng)態(tài)變化的情況。所以在邊緣計(jì)算層儲(chǔ)存資源和邊緣節(jié)點(diǎn)的計(jì)算之間存在很大的差別，所以。在不斷變化的網(wǎng)絡(luò)拓樸中進(jìn)行資源的調(diào)度和分配是非常重要的，而邊緣計(jì)算層則是通過合理的調(diào)配與部署來實(shí)現(xiàn)對(duì)動(dòng)態(tài)網(wǎng)絡(luò)拓樸的優(yōu)化。

3.云計(jì)算層。云計(jì)算有個(gè)強(qiáng)大的服務(wù)功能即數(shù)據(jù)處理，圍繞聯(lián)合式的計(jì)算服務(wù)已經(jīng)構(gòu)建起功能較完備的數(shù)據(jù)處理中心。通過邊緣計(jì)算技術(shù)的數(shù)據(jù)能在云計(jì)算中心得到永久存儲(chǔ)，額外的數(shù)據(jù)處理則可以在云計(jì)算中心得到全局綜合分析或處理。云計(jì)算中心也不是靜態(tài)的工作姿態(tài)，而是在根據(jù)網(wǎng)絡(luò)資源分布情況實(shí)時(shí)調(diào)整計(jì)算策略的。

1.2安全模型

安全模型由三個(gè)部分組成，第一是存儲(chǔ)和計(jì)算功能都有限制的本地設(shè)備用戶，上傳他們的私密數(shù)據(jù)到邊緣節(jié)點(diǎn)，第二個(gè)是邊緣節(jié)點(diǎn)之間做函數(shù)計(jì)算和數(shù)據(jù)分析并處理，第三是讓用戶參與到解密的協(xié)議中來，主動(dòng)獲取計(jì)算結(jié)果。

1.輸入輸出。隱私數(shù)據(jù)的輸入和輸出是在基于邊緣計(jì)算的角度下進(jìn)行的，交由邊緣節(jié)點(diǎn)和原用戶設(shè)備進(jìn)行。該類數(shù)據(jù)輸出的結(jié)果也僅僅是由被授權(quán)過的用戶才可以訪問。

2.處理隱私數(shù)據(jù)。該保護(hù)機(jī)制能夠保護(hù)邊緣計(jì)算下的系統(tǒng)和原用戶設(shè)備組成的攻擊體系。原本的邊緣計(jì)算公式能夠?qū)斎氲碾[私數(shù)據(jù)在基于用戶工作性質(zhì)的基礎(chǔ)上進(jìn)行分析和處理、預(yù)測，當(dāng)中涉及到關(guān)鍵的知識(shí)產(chǎn)權(quán)保護(hù)的需要問題。

3.驗(yàn)證結(jié)果。為了增大該模型預(yù)測和處理的準(zhǔn)確性，在聯(lián)邦學(xué)習(xí)模型的過程中，有兩個(gè)步驟需要通過驗(yàn)證方才可以進(jìn)入下一步解密階段，是為數(shù)據(jù)輸入過程中要檢驗(yàn)本地用戶數(shù)據(jù)集的合法性，二是要邊緣計(jì)算節(jié)點(diǎn)在返回密文計(jì)算結(jié)果的的同時(shí)提交一份結(jié)果正確性檢驗(yàn)報(bào)告。

4.平衡隱私保護(hù)和高校計(jì)算需求。在其他密碼計(jì)算方法的基礎(chǔ)上，邊緣計(jì)算方可才能在密文域上處理相關(guān)數(shù)據(jù)。通過上述密碼算法可以構(gòu)建輕量化的邊緣計(jì)算隱私保護(hù)技術(shù)，能夠最大程度上滿足用戶的設(shè)備計(jì)算、存儲(chǔ)、通信的客觀需求公開問題，小心翼翼地平衡用戶在隱私保護(hù)和數(shù)據(jù)分析處理開銷之間的平衡。

1.3實(shí)時(shí)深度學(xué)習(xí)和數(shù)據(jù)處理

作為人工智能領(lǐng)域的主流技術(shù)之一，深度學(xué)習(xí)近年來得到了學(xué)術(shù)界與產(chǎn)業(yè)界的大力追捧。由于深度學(xué)習(xí)模型需要進(jìn)行大量的計(jì)算，因此基于深度學(xué)習(xí)的智能算法通常存在于具有強(qiáng)大計(jì)算能力的云計(jì)算數(shù)據(jù)中心。隨著移動(dòng)終端和物聯(lián)網(wǎng)設(shè)備的高速發(fā)展與普及，如何突破終端設(shè)備資源限制，從而將深度學(xué)習(xí)模型高效地運(yùn)行在資源受限的終端設(shè)備這一問題已經(jīng)引發(fā)了大量關(guān)注。為解決這一難題，可考慮邊緣計(jì)算賦能人工智能的思路，利用邊緣計(jì)算就近實(shí)時(shí)計(jì)算的特性，降低深度學(xué)習(xí)模型推理的時(shí)延與能耗。

1.4聯(lián)邦學(xué)習(xí)算法

需要平衡隱私保護(hù)和算法準(zhǔn)確度之間的關(guān)系，聯(lián)邦學(xué)習(xí)算法可以應(yīng)運(yùn)而生。影響聯(lián)邦學(xué)習(xí)算法的有三個(gè)關(guān)鍵因素，分別是參與者選擇、全局聚合、本地更新。邊緣計(jì)算的關(guān)鍵應(yīng)用;參與者選擇可以選擇某個(gè)終端來參與聯(lián)邦學(xué)習(xí);本地更新則能改變?cè)谠摻K端進(jìn)行的運(yùn)算方式，可以很大程度上改善數(shù)據(jù)處理和任務(wù)分析的精度;全局聚合則根據(jù)網(wǎng)絡(luò)資源分布和計(jì)算情況決定下一次參與終端的學(xué)習(xí)方式。

1.參與者選擇算法。

Dm數(shù)據(jù)集中任意的第j （I≤j≤Sm） 個(gè)樣本，均由兩部分組成： Xmj和Ymj其中xj描述了樣本的特征，其作為模型的輸入： Ymj ，E{+1，-1 }表示樣本的標(biāo)簽，是期望的模型輸出。認(rèn)為樣本是線性可分的，采用支持向量機(jī)模型（ Support Vector Machine， SVM）來解決這個(gè)典型的二二分類問題。因此，每次Dm本地更新的目標(biāo)為：

邊緣服務(wù)器通過對(duì)終端的目標(biāo)精度和分析精度進(jìn)行分析和對(duì)比，從而進(jìn)行進(jìn)一步的選擇，在選擇之前通過計(jì)算結(jié)果選擇沒有達(dá)到精度要求的終端。相反，當(dāng)終端分析精度達(dá)到了目標(biāo)精度時(shí)。邊緣服務(wù)器本次不會(huì)選擇，并且在以后全局更新當(dāng)中都不會(huì)被選擇。這一種算法降低了他對(duì)其他終端的干擾性。并且使每一個(gè)終端的精度都盡可能的變大。

其中，VJm（Wm，n）表示參數(shù)為Wm，n時(shí)，損失函數(shù)的下降梯度。Nm表示該次學(xué)習(xí)中Dm的學(xué)習(xí)率.

2.全局聚合算法

FedAvg聚合算法對(duì)所有參與者的權(quán)值求平均值。第n+1輪模型參數(shù)W，+1 計(jì)算表達(dá)式如下：

如公示3所示的參與者權(quán)值計(jì)算方式可能使兩輪的精度對(duì)比時(shí)上一輪的精度高于下一輪的精度。這是由于服務(wù)器在進(jìn)行全局聚合算法時(shí)，對(duì)所有的參與者采用平均考慮的方式。而忽略了各個(gè)參與者之間的相互影響的結(jié)果。在本次研究當(dāng)中，采用了q-FedSGD算法，如公式四：

其中，q和L均為常數(shù)。這種方式使得參數(shù)聚合更加有效。

二、針對(duì)應(yīng)用的隱私保護(hù)邊緣計(jì)算

如今邊緣外包計(jì)算都運(yùn)用于基本函數(shù)、密文搜索等應(yīng)用場景，對(duì)涉及知識(shí)產(chǎn)權(quán)保護(hù)的新興產(chǎn)業(yè)意義重大。

2.1聯(lián)邦計(jì)算的應(yīng)用

聯(lián)邦歸納學(xué)習(xí)是一種新興的人工智能技術(shù)，不僅能保證個(gè)人數(shù)據(jù)和終端數(shù)據(jù)的安全，也可以保證多參與者和節(jié)點(diǎn)計(jì)算的高效率。該機(jī)制由一個(gè)參數(shù)服務(wù)器和數(shù)個(gè)邊緣節(jié)點(diǎn)，參數(shù)服務(wù)器在優(yōu)化算法的條件下更換全局參數(shù)，而各個(gè)節(jié)點(diǎn)則對(duì)敏感數(shù)據(jù)集進(jìn)行學(xué)習(xí)，然后將梯度數(shù)據(jù)上傳到參數(shù)服務(wù)器。節(jié)點(diǎn)從參數(shù)服務(wù)器上接受更新過的參數(shù)，然后覆蓋本地參數(shù)。

2.2 密文搜索

在日常生活中，加密數(shù)據(jù)庫是當(dāng)前最為廣泛的的應(yīng)用之一，它既可以保護(hù)用戶的搜索隱私痕跡又能返回包含搜索結(jié)果的數(shù)據(jù)和相關(guān)文件。密文搜索協(xié)議包含以下步驟，一是同意和支持?jǐn)?shù)據(jù)擁有對(duì)象將數(shù)據(jù)文件通過加密之后上傳到邊緣節(jié)點(diǎn)或是云服務(wù)器;二是查詢用戶搜索相關(guān)詞語的制定搜索令牌;三是在密文領(lǐng)域上，根據(jù)搜索令牌對(duì)相關(guān)文件進(jìn)行查詢;最后在驗(yàn)證搜索結(jié)果的正確性同時(shí)解密相應(yīng)文件。

2.3邊緣計(jì)算中的區(qū)塊鏈改進(jìn)應(yīng)用

針對(duì)邊緣計(jì)算的區(qū)塊鏈改進(jìn)方案應(yīng)有多個(gè)改進(jìn)方向。

1. 中心式的分布式信任。在設(shè)備與設(shè)備之間的信息交互中，存在兩者的信任關(guān)系和需求，要改進(jìn)信任框架，有兩種方式，一是設(shè)立中心管理機(jī)構(gòu)以分布式的方式驗(yàn)證身份，在驗(yàn)證身份的方法上，利用區(qū)塊鏈?zhǔn)沟糜涗洈?shù)據(jù)不可篡改的真實(shí)性，和共識(shí)機(jī)制下可溯源性和可靠性，可以有效的在開放網(wǎng)絡(luò)中建立信任機(jī)制。具體改進(jìn)則是以模擬實(shí)驗(yàn)來驗(yàn)證方案的可行性，設(shè)立信任量化的標(biāo)準(zhǔn)。

2.群智計(jì)算和信息隱私權(quán)衡。在進(jìn)行系統(tǒng)設(shè)計(jì)的過程中，我們通常重點(diǎn)考慮的是安全與隱私的問題。實(shí)踐證明，區(qū)塊鏈具有安全性、分散性等關(guān)鍵特點(diǎn)。因此。它被應(yīng)用于解決計(jì)算的隱私問題和安全問題。在考慮安全性和隱私性的同時(shí)。也與密碼學(xué)算法的設(shè)計(jì)和使用息息相關(guān)，在進(jìn)行算法設(shè)計(jì)與研究時(shí)，研究者們通常采用零知識(shí)證明（zero knowledge suceinct non-interactive argument of knowledge， zk- SNARK），的方式來保護(hù)隱私。這也是一種密碼學(xué)手段。而在交互式的通信協(xié)議的使用過程當(dāng)中。由于其相對(duì)復(fù)雜。所以在使用過程當(dāng)中容易受到惡意軟件的攻擊。

三、結(jié)束語

本文介紹了邊緣計(jì)算、安全模型、聯(lián)邦算法和深度學(xué)習(xí)，并對(duì)聯(lián)邦學(xué)習(xí)、深度學(xué)習(xí)在邊緣計(jì)算的環(huán)境下做了綜合分析，簡述和總結(jié)當(dāng)前邊緣環(huán)境下隱私保護(hù)能力和數(shù)據(jù)處理效率的問題和解決方案。并探討了未來的挑戰(zhàn)和研究方向。

參? 考? 文? 獻(xiàn)

[1]寧振宇，張鋒巍，施巍松，基于邊緣計(jì)算的可信執(zhí)行環(huán)境研究[J]， 計(jì)算機(jī)研究與發(fā)展，2019，56（07）：1441-1453

[2]周知，于帥，陳旭，邊緣智能：邊緣計(jì)算與人工智能融合的新范式[J]，大數(shù)據(jù)，2019，5（02）：53-63

[3]周俊沈，華杰，林中允，曹珍富，董曉蕾，邊緣計(jì)算隱私保護(hù)研究進(jìn)展[J]，計(jì)算機(jī)研究與發(fā)展，2020，57（10）：2027-2051

[4]方俊杰，雷凱，面向邊緣人工智能計(jì)算的區(qū)塊鏈技術(shù)綜述[J]，應(yīng)用科學(xué)學(xué)報(bào)，2020，38（01）：1-21