آموزش ماشین بردار پشتیبان حفظ حریم خصوصی بر روی داده‌های IoT رمزنگاری شده بر روی بلاک‌چین در شهرهای هوشمند

تکنیک‌های یادگیری ماشین (ML)به طور گسترده در بسیاری از بخش‌های شهر هوشمند مورد استفاده قرار گرفته‌اند، که در آن مقدار زیادی داده از وسایل IoT مختلف جمع‌آوری شده‌است. به عنوان یک مدل معمولی ML، ماشین بردار پشتیبان (SVM)طبقه‌بندی داده‌های کارآمدی را قادر می‌سازد و در نتیجه کاربردهای آن را در سناریوهای دنیای واقعی مانند تشخیص بیماری‌ها و تشخیص ناهنجاری می‌یابد. آموزش یک طبقه‌بندی کننده SVM معمولا نیازمند مجموعه‌ای از داده‌های IoT برچسب دار از موجودیت‌های متعدد است که نگرانی‌های بزرگی را در مورد حریم خصوصی داده‌ها مطرح می‌کند. بسیاری از راه‌حل‌های موجود متکی بر یک فرضیه ضمنی هستند که داده‌های آموزشی را می توان به طور قابل اعتمادی از ارایه دهندگان داده‌های متعدد دریافت کرد، که اغلب این مورد در واقعیت نیست. برای پل زدن شکاف بین فرضیات ایده‌آل و محدودیت‌های واقعی، در این مقاله، ما SVM امن را پیشنهاد می‌کنیم که یک طرح آموزش برای حفظ حریم خصوصی بر روی داده‌های IoT مبتنی بر بلاک‌چین {ایگاه داده توزیع شده و مبتنی بر اجماع است که به صورت مستمر فهرستی از رکوردها (رده‌ها) را که هرکدام به گزینه‌های ق

true