权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Trustworthy decentralized AI for large-scale IoT representation learning

用于大规模物联网表征学习的值得信赖的去中心化人工智能

基本信息

批准号：
22KJ0878
负责人：
SUN YUWEI
金额：
$ 1.09万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KJ0878/
关键词：
machine learning neural networks life-long learning AI security data privacy decentralized ML edge computing multi-modal

项目摘要

The project aims to address the fundamental challenges of decentralized deep learning (DDL) to make AI feasible and scalable for everyone. The proliferation of edge AI applications has been reshaping the contours of future high-performance edge computing, and DDL is a key enabler that would benefit society through distributed model training and globally shared knowledge. In the first phase of the project, we focused on developing collaborative representation learning techniques for different neural network models at the edge. We identified critical challenges and proposed new solutions to privacy protection, edge heterogeneity, and adversarial attacks and defenses in DDL. The proposed methods enable improved model generality to unseen data and robustness against adversarial attacks.

该项目旨在解决去中心化深度学习（Decentralized Deep Learning，简称DAI）的基本挑战，使AI对每个人都可行且可扩展。边缘人工智能应用的激增正在重塑未来高性能边缘计算的轮廓，而边缘计算是一个关键的推动因素，它将通过分布式模型训练和全球共享知识使社会受益。在项目的第一阶段，我们专注于为边缘的不同神经网络模型开发协作表示学习技术。我们确定了关键的挑战，并提出了新的解决方案，以保护隐私，边缘异质性，对抗性攻击和防御。所提出的方法能够提高模型对未知数据的通用性和对对抗性攻击的鲁棒性。

项目成果

期刊论文数量（10）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Meta Learning in Decentralized Neural Networks Through the Lens of Global Workspace Theory

通过全局工作空间理论的视角进行去中心化神经网络的元学习

DOI：
发表时间：
2023
期刊：
影响因子：
0
作者：
Sun Yuwei;Ochiai Hideya;Esaki Hiroshi;Yuwei Sun;Yuwei Sun
通讯作者：
Yuwei Sun

Federated Phish Bowl: LSTM-Based Decentralized Phishing Email Detection

Federated Phish Bowl：基于 LSTM 的去中心化网络钓鱼电子邮件检测

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
Yuwei Sun;Ng Chong;and Hideya Ochiai
通讯作者：
and Hideya Ochiai

Federated Reinforcement Learning for the Building Facilities

DOI：
10.1109/coins54846.2022.9854959
发表时间：
2022-08
期刊：
2022 IEEE International Conference on Omni-layer Intelligent Systems (COINS)
影响因子：
0
作者：
Koki Fujita;Shugo Fujimura;Yuwei Sun;H. Esaki;H. Ochiai
通讯作者：
Koki Fujita;Shugo Fujimura;Yuwei Sun;H. Esaki;H. Ochiai

Decentralized Deep Learning for Multi-Access Edge Computing: A Survey on Communication Efficiency and Trustworthiness