基于联邦深度强化学习的物联网安全数据共享策略

越来越多的物联网 (IoT) 设备促进了数据共享，从而提高了物联网服务的质量。 然而，数据提供者通常会遭受直接数据共享导致的隐私泄露。 为了解决这个问题，在本文中，我们提出了一种基于联合学习的物联网安全数据共享机制，称为 FL2S。 具体来说，为了实现高效和安全的数据共享，基于敏感任务分解开发了分层异步联邦学习（FL）框架。 此外，为了提高数据共享质量，利用深度强化学习（DRL）技术来选择具有足够计算能力和高质量数据集的参与者。 通过集成任务分解和参与者选择，通过共享本地数据模型而不是源数据来实现可靠的数据共享，同时保护数据隐私。 实验结果表明，所提出的 FL2S 在各种物联网应用的安全数据共享方面实现了高精度。