Chúc mừng sinh viên ngành Công nghệ Thông tin đã có công trình nghiên cứu được chấp nhận tại Hội nghị SoICT2022

18/10/2022 - 10:45

Chúc mừng nhóm sinh viên ngành Công nghệ thông tin, Ngân Văn Luyện, Hoàng Tuấn Anh và nhóm nghiên cứu InSecLab đã có công trình nghiên cứu được chấp nhận đăng tại Kỷ yếu Hội nghị khoa học quốc tế “The 11th International Symposium on Information and Communication Technology (SoICT 2022). Hội nghị SoICT2022 nằm trong danh mục hội nghị uy tín của Scopus, được tổ chức bởi ĐH Bách Khoa Hà Nội tại Hà Nội & Hạ Long-Quảng Ninh trong 3 ngày 01-03.12.2022 sắp tới.

Bài báo “A Privacy-Preseving Approach For Building Learning Models in Smart Healthcare using Blockchain and Federated Learning” được thực hiện dưới sự hướng dẫn của giảng viên TS.Phạm Văn Hậu và ThS.Phan Thế Duy.

Đây là đề tài nghiên cứu được các bạn sinh viên thực hiện dưới sự hướng dẫn của 2 thầy trong thời gian bạn tham gia nghiên cứu về Blockchain và Giải pháp an toàn, bảo mật thông tin cho các mô hình học máy tại Phòng thí nghiệm An toàn thông tin (InSecLab).

Tóm tắt nội dung bài báo:

Ngày nay, lượng dữ liệu được tạo ra từ các thiết bị Internet vạn vật (IoT) ngày càng nhiều, tạo tiền đề cho sự phát triển của các ứng dụng trí tuệ nhân tạo (AI). Tuy nhiên, với cách tiếp cận AI truyền thống, việc người dùng chia sẻ dữ liệu thô của họ gây ra nhiều lo ngại về vấn đề rò rỉ quyền riêng tư. Đã có báo cáo rằng có những vi phạm quyền riêng tư đối với dữ liệu riêng tư của người dùng. Trong lĩnh vực y tế, việc chế tạo ra các thiết bị giúp tự động chẩn đoán bệnh của người dùng đang dần trở thành xu hướng trong tương lai. Các thiết bị này giúp người dùng tự theo dõi sức khỏe của mình, từ đó giảm áp lực cho các cơ sở y tế thường xuyên quá tải. Tuy nhiên, dữ liệu chăm sóc sức khỏe của các cá nhân thường rất nhạy cảm và hiếm khi được người dùng chia sẻ. Ngoài ra, lợi nhuận tạo ra từ mô hình học máy (ML) phần lớn thuộc về chủ sở hữu của mô hình đó. Nó cũng trở thành một trở ngại trong việc khuyến khích người dùng chia sẻ dữ liệu của họ. Trong nghiên cứu này, chúng tôi đề xuất PriFL-Chain, một khuôn khổ bảo vệ quyền riêng tư nhằm tận dụng tài nguyên dữ liệu của chủ sở hữu dữ liệu để đào tạo các mô hình dựa trên ML, đồng thời đảm bảo quyền riêng tư của chủ sở hữu dữ liệu. Cụ thể, chúng tôi áp dụng Quyền riêng tư khác biệt (Differential Privacy - DP) cho học tập liên kết (Federated Learning - FL) để đào tạo các mô hình ML. Người dùng chỉ chia sẻ mô hình ML được đào tạo trên dữ liệu của họ thay vì chia sẻ dữ liệu thô. Hơn nữa, các hoạt động đóng góp của người dùng trong hệ thống được ghi lại vào Blockchain để đảm bảo tính minh bạch. Chúng tôi cũng tận dụng Điện toán cạnh di động (MEC) và Hệ thống tệp phân tán (IPFS) để giảm áp lực lên máy chủ trung tâm và giảm chi phí truyền thông dữ liệu, giúp hệ thống linh hoạt hơn. Kết quả thử nghiệm đã chứng minh rằng chiến lược kết hợp của FL, Blockchain, IPFS và MEC có thể giúp giảm chi phí đào tạo các mô hình ML, bảo vệ hiệu quả quyền riêng tư và tận dụng các nguồn dữ liệu đa dạng từ cộng đồng.

SoICT 2022 là hội nghị khoa học quốc tế chuyên ngành công nghệ thông tin và truyền thông, bao gồm các lĩnh vực nghiên cứu quan trọng: Nền tảng AI và Dữ liệu lớn, Truyền thông và Bảo mật hệ thống mạng, Xử lý hình ảnh và ngôn ngữ tự nhiên, Kỹ thuật phần mềm và Công nghệ kỹ thuật số, Các xu hướng Công nghệ Tài chính và Chuỗi khối (Blockchain).