利用GSR-C2N模型，通过区块链技术增强联邦学习机制，以提高物联网（IoT）的安全性和隐私保护

《Scientific Reports》：Blockchain-enhanced federated learning for IoT security and privacy using the GSR-C2N model

　　

摘要

物联网设备的迅速普及加剧了对安全、保护隐私且可扩展的机器学习解决方案的需求。联邦学习（Federated Learning, FL）支持在分布式设备上对模型进行去中心化训练，而无需传输原始数据；区块链则提供了一种可靠、透明的机制来确保数据完整性和达成共识。本文介绍了一个结合了区块链技术的联邦学习框架，该框架基于GSR-C2N模型用于识别加密采矿恶意软件。研究表明，该系统的特征提取和优化过程经过优化，能够利用区块链验证模型更新，从而在物联网环境中解决安全问题并建立信任与隐私保护机制。实验结果表明，该模型在加密采矿恶意软件数据集上的准确率为96.85%，特异性为97.51%，通过10折交叉验证验证了其有效性，使其适用于基于物联网的智能医疗和智慧城市应用。此外，当与合规性要求相结合时，同态加密能够进一步加强数据管理和隐私保护，进一步凸显了该模型在先进物联网系统中的有效性。