مریم دیوسالار - دانشجوی مقطع کارشناسی ارشد فناوری اطلاعات موسسه آموزش عالی مارلیک نوشهر
مریم بهبودی - دانشجوی مقطع کارشناسی ارشد فناوری اطلاعات موسسه آموزش عالی مارلیک نوشهر
پوریا خدابنده - عضو هیئت علمی گروه کامپیوتر موسسه آموزش عالی مارلیک نوشهر

با پیشرفت اینترنت اشیاء (IoT)، اشتراک گذاری داده ها در حجمی انبوه بین دستگاه های IoT، کیفیت خدمات(QoS) و تجربه کاربر در برنامه های مختلف IoT را ارتقاء می بخشد. با این حال، به اشتراک گذاری داده ها ممکن است باعث فاش شدن جدی حریم خصوصی ارائه دهندگان داده شود. برای رفع این مشکل، در این مطالعه اشتراک داده ها از طریق اشتراک مدل تحقق می یابد که بر اساس آن یک مکانیسم اشتراک داده امن، به نام BP۲P-FL، با استفاده از یادگیری نظیر به نظیر با حفاظت از حریم خصوصی ارائه دهندگان داده ها مطرح می شود. علاوه بر این، با معرفی بلاک چین (زنجیره بلوکی) برای اشتراک گذاری داده ها، هر فرآیند آموزشی ثبت می شود تا اطمینان حاصل شود که ارائه دهندگان داده ها داده های با کیفیت بالا را ارائه می دهند. برای حفاظت بیشتر از حریم خصوصی، از فناوری حریم خصوصی تفاضلی برای آشفته سازی مدل اشتراک داده گلوب استفاده می شود. نتایج تجربی نشان می دهد که BP۲P-FL از صحت و امکان پذیری بالایی در به اشتراک گذاری داده های برنامه های IoT مختلف برخوردار است.

اشتراک داده، یادگیری فدرال، بلاک چین، حفاظت از حریم خصوصی، IoT