「2020IEEE」Learning in the Air: Secure Federated Learning for UAV-Assisted Crowdsensing

---

论文题目：Learning in the Air: Secure Federated Learning for UAV-Assisted Crowdsensing
核心思想：在联邦学习中加入区块链技术，利用区块链的抗单点故障和不可变性，解决联邦学习仍存在的安全性问题；利用强化学习的两层激励机制，使联邦学习的各参与方能够持续的参与联邦过程。

---

场景

4种角色：UAVs、任务发布者、边缘计算(MEC)节点、联盟链6个过程： 1：任务发布者向MEC节点提交任务请求2：MEC节点发布全局模型到区块链3：UAVs从区块链中下载全局模型，利用本地数据训练本地模型4：UAVs训练结束后上传本地模型更新到区块链5：MEC节点从区块链中检索本地模型更新进行聚合6：重复1-5直到模型收敛或达到最大训练轮次，最后将训练好的模型发送给任务发布者 贡献

采用区块链、LDP（本地差分隐私）、强化学习技术，提出了SFAC，即在无人机辅助移动众包感知场景下，一种安全的联邦学习框架。考虑了网络中的三种攻击，并提出了相应的措施来保护UAVs的协作学习；

采用联盟链网络，利用其不可变性、相互验证和分布式共识机制，致力于分布式数据训练、模型共享和贡献追踪；

设计了差异隐私算法用于保护UAVs共享模型的隐私，同时保证了全局聚合精度；

基于强化学习，可以在不感知网络的准确参数情况下，
获得任务发布者的最优支付策略和UAVs的最优本地模型质量策略；

仿真实验验证了SFAC的有效性。SFAC可以有效的激发高质量的模型共享，得到最优策略和更好的效用。

系统模型 网络模型

场景图中包含4中角色：UAVs、任务发布者、MEC节点、联盟链。

UAVs
不同无人机在相同类型的传感器上具有不同的传感能力。定义
S C i , g ∈ [ 0 , 1 ] SC_{i,g}\in[0,1] SCi,g​∈[0,1]，表示第i架UAV上第g个传感器的传感能力;0/1分别表示具有最低/最高传感能力。

任务发布者
任务发布者作为用户，向附近的MEC节点提交感知任务，每个人任务分发给在指定位置上配备有一组传感器的UAVs。

MEC节点
每个MEC节点都部署在一个地面基站上，可以提供边缘计算和无线通信。MEC节点之间以一种协作的方式工作，这样的好处就是，每个任务都可以分配给一个可以覆盖该任务指定位置的MEC节点。

联盟链
在区块链中，只有授权节点才能参与去中心化网络，这里考虑两种授权节点：全节点和轻量节点。

全节点： 存储了所有的区块数据，并作为区块链中的公示节点用于新交易的验证、ledge management和区块链更新。轻量节点：只存储块头，可以从全节点上下载最新的区块链数据，可以生成、转发和交换交易，但不能进行共识过程。

在该场景中，MEC节点作为全节点，UAVs作为轻量节点。

联邦学习模型

第k轮全局训练过程分为三个阶段：

k=0时，所有UAVs的本地模型参数被初始化为相同的值；本地更新。k>=1时，所有UAVs通过SDG利用上一轮的全局模型，在本地数据集上进行本地模型训练，然后上传其本地模型到区块链用于相互验证；全局聚合。MEC节点通过检索区块链上的本地模型用于全局模型聚合。

在达到相应的准确率后，学习过程结束，将全局模型或者学习结果返回给任务发布者。

任务模型

系统中，位于MEC节点m的某个特定任务j可以表示为：
t a s k j = < I D j ∣ ∣ d e s c j ∣ ∣ l o c j ∣ ∣ z j ∣ ∣ T j M A X ∣ ∣ G j ∣ ∣ t i m e j ∣ ∣ S i g j > task_j= taskj​=<IDj​∣∣descj​∣∣locj​∣∣zj​∣∣TjMAX​∣∣Gj​∣∣timej​∣∣Sigj​>
I D j ID_j IDj​为任务j的唯一表示；
d e s c j desc_j descj​为任务发布者提交任务j的任务描述；
l o c j loc_j locj​和 z j z_j zj​为任务j指定的水平位置和高度；
T j M A X T_j^{MAX} TjMAX​为任务j的生存时间（TTL）；
G j G_j Gj​为任务j所需要的传感器类型集；
t i m e j time_j timej​为任务j的发布时间;
s i g j sig_j sigj​为任务发布者的签名。

不同UAVs在全局聚合中具有不同贡献.定义QoLM(本地模型质量)矩阵。直观的看，UAVs配备的传感器传感能力越强，其所收集的传感数据精度越高；因此，可以认为UAVs的传感数据质量与其平均传感能力成正比。
s i , j = 1 ∣ G j ∣ ∑ g ∈ G j s c i , j s_{i,j}=\frac{1}{|G_j|}\sum_{g\in G_j}sc_{i,j} si,j​=∣Gj​∣1​g∈Gj​∑​sci,j​
因此，UAV i在任务j上的QoLM表示为：
q i , j = F ( s i , j , D i , j ) q_{i,j}=\mathit{F}(s_{i,j},D_{i,j}) qi,j​=F(si,j​,Di,j​)

移动模型

UAVs的位置表示在三维坐标系下。将任务时间划分为T个等长时隙 T = { 1 , 2 , . . . T } \mathbb{T}=\big\{1,2,...T\big\} T={1,2,...T}，时隙 τ \tau τ可以充分小，UAV可以精确表示在某个时隙下。
I i = [ x i ( t ) , y i ( t ) , z i ] \mathbf{I}_i=[x_i(t),y_i(t),z_i] Ii​=[xi​(t),yi​(t),zi​]

在时间范围T内，UAV的飞行轨迹表示为：
{ I i = { I i ( 1 ) , I i ( 2 ) . . . I i ( T ) } , s . t   ∣ ∣ I i ( t + 1 ) − I i ( t ) ∣ ∣ ≤ τ V i ‾ , 1 ≤ t < T \begin{cases} &\mathbf{I}_i = \big\{\mathbf{I}_i(1),\mathbf{I}_i(2)...\mathbf{I}_i(T)\big\} ,\ & s.t \ ||\mathbf{I}_i(t+1)-\mathbf{I}_i(t)||\leq\tau\overline{\mathbf{V}_i} ,1\leq t{​Ii​={Ii​(1),Ii​(2)...Ii​(T)},s.t ∣∣Ii​(t+1)−Ii​(t)∣∣≤τVi​​,1≤t<T​
V i ‾ \overline{\mathbf{V}_i} Vi​​为UAV最大飞行速度。

通信模型

A2G和G2A路径损失主要为LoS传输，可以描述为准静态块衰落信道模型。

威胁模型

与集中式人工智能方法相比，联邦学习通过将学习阶段分为局部训练和全局聚合，减轻了数据隐私问题。然而，它还是带来了一些新的安全问题。我们定义了UAVs在联邦学习过程中MCS中的隐私和安全威胁。

隐私泄露攻击。
在分布式学习过程中，UAV更新的局部模型参数仍可能泄露训练过程中使用的某些数据的信息。此外，攻击者还可以通过差分攻击从局部模型更新中推断出UAV是否存在于特定的任务中。由于每个任务都有指定的传感位置，因此可以披露所涉及的UAV的位置隐私。低质量局部模型更新攻击。
假设所有参与学习过程的UAVs是自私且理性的，他们的目的都是为了最大化自己的利益。如果没有足够的利益用于支付他们的学习过程，他们可能会上传低质量的局部模型，从而导致全局模型的准确率降低。贡献记录篡改攻击。
由于UAVs的贡献记录存储在一个中央节点（如MEC节点），攻击者可以通过各种攻击（单点故障攻击或DDos攻击）篡改、删除、伪造和替换贡献记录。 SFAC方案 基于区块链的分布式联邦学习

由于UAVs网络存在不稳定和不可靠的无线信道和有安全漏洞的中央管理员，提出了基于区块链的联邦学习框架，旨在安全的进行局部模型共享和全局聚合过程。
在区块链中，每个块被分为head和body部分。head主要包括指向上一个块的哈希指针、一个工作量难题的解、块产生率和块生产者；body主要存储一系列有效的事务。
考虑三种类型的事务：

任务请求事务(trTx)局部模型更新事务(lmTx)聚合全局模型事务（gmTx)

trTx记录了包含所有相关实体、任务信息和初始模型参数的特定任务发布事件；
lmTx在全球训练轮中记录UAV更新的局部模型参数；
gmTx在全局训练轮中记录MEC节点的聚合全局模型参数。

考虑两种类型的区块：

普通块（orBlock）本地模型更新块(lmBlock)

orBlock存储在一个共识时期内有效的trTx和gmTx事务；
lmBlock记录UAVs参与特定任务的lmTx事务。

详细的分布式联邦学习实现分为以下阶段：

实体注册和角色选择任务发布和学习初始化UAVs的局部模型训练和扰动MEC节点的全局聚合

为了在区块链网络中有效达成共识，需要执行以下过程：

块产生块传播贡献记录和奖励

涉及区块链知识，不做详细阐述。

隐私保护本地模型更新

为了提高全局模型聚合的准确性，同时保证LDP的安全，为参与UAV开发了一种保护隐私的局部模型更新共享机制。要保护无人机的隐私，每个参与的UAV使用一个扰动函数F，并将模糊的局部模型参数上传到区块链。

基于强化学习的激励机制

在联邦学习过程中，UAVs和任务发布者可能无法或者成本模型和网络模型的准确参数。当精确的网络参数无法获得时，强化学习中的Q学习可以通过实验获得最优的QoLM和定价策略。

基于Q学习的定价策略制定
模型训练的高报酬会降低任务发布者的即时效用，但同时又会吸引更多的UAVs参与模型训练。因此，任务发布者的当前支付策略会影响模型训练精度和未来的收益。可以将定价策略建模为一个有限马尔科夫决策过程。基于Q学习的QoLM策略制定
QoLM策略的制定过程可以表示为一个具有有限状态的MDP。由于每架UAV对任务发布者的私有参数几乎没有明确的了解，其最优的QoLM策略不能立即产生。UAVs采用Q学习通过试错找到最优QoLM策略。 仿真结果