ترجمه فارسی مقاله FL-DECO-BC: یک چارچوب یادگیری فدرال با حفظ حریم خصوصی، امنیت قابل اثبات و حفظ منشأ با اوراکل‌های غیرمتمرکز روی بلاکچین برای VANETها

چکیده

Vehicular Ad-Hoc Networks (VANETs) hold immense potential for improving traffic safety and efficiency. However, traditional centralized approaches for machine learning in VANETs raise concerns about data privacy and security. Federated Learning (FL) offers a solution that enables collaborative model training without sharing raw data. This paper proposes FL-DECO-BC as a novel privacy-preserving, provably secure, and provenance-preserving federated learning framework specifically designed for VANETs. FL-DECO-BC leverages decentralized oracles on blockchain to securely access external data sources while ensuring data privacy through advanced techniques. The framework guarantees provable security through cryptographic primitives and formal verification methods. Furthermore, FL-DECO-BC incorporates a provenance-preserving design to track data origin and history, fostering trust and accountability. This combination of features empowers VANETs with secure and privacy-conscious machine-learning capabilities, paving the way for advanced traffic management and safety applications.

چکیده به فارسی (ترجمه ماشینی)

شبکه های موقت وسایل نقلیه (VANETS) پتانسیل عظیمی برای بهبود ایمنی و کارآیی ترافیک دارند.با این حال ، رویکردهای متمرکز سنتی برای یادگیری ماشین در Vanets نگرانی در مورد حریم خصوصی و امنیت داده ها را ایجاد می کند.Federated Learning (FL) راه حلی را ارائه می دهد که آموزش مدل مشترک را بدون به اشتراک گذاری داده های خام امکان پذیر می کند.این مقاله FL-Deco-BC را به عنوان یک چارچوب یادگیری فدرال برای حفظ حریم خصوصی جدید ، ایمن و تأمین مالی ارائه می دهد ، به طور خاص برای Vanets طراحی شده است.FLE-Deco-BC برای دسترسی ایمن به منابع داده های خارجی در عین حال که از حریم خصوصی داده ها از طریق تکنیک های پیشرفته اطمینان می دهد ، از اوراکل های غیر متمرکز در blockchain استفاده می کند.این چارچوب امنیت قابل اثبات را از طریق بدوی رمزنگاری و روشهای تأیید رسمی تضمین می کند.علاوه بر این ، FL-Deco-BC یک طراحی ارائه دهنده تحریک برای ردیابی منشأ داده و تاریخ ، تقویت اعتماد و پاسخگویی را در بر می گیرد.این ترکیب از ویژگی ها ، وانت ها را با قابلیت های یادگیری ماشین امن و آگاهانه از حریم خصوصی توانمند می کند و راه را برای مدیریت پیشرفته ترافیک و برنامه های ایمنی هموار می کند.