Privacy-Aware Multi-Device Cooperative Edge Inference with Distributed Resource Bidding

要約

モバイル エッジ コンピューティング (MEC) は、近接 MEC サーバーとの共同作業を通じて、モバイル デバイス (MD) が人工知能 (AI) アプリケーションをサポートできるようにしました。
残念ながら、デバイスエッジの協調型 AI 推論には大きな期待が寄せられているにもかかわらず、データプライバシーへの懸念が高まっています。
この論文では、MEC サーバーの計算リソースに対する分散入札メカニズムを統合した、分類タスク用のプライバシーを意識したマルチデバイス協調エッジ推論システムを開発します。
データプライバシーの漏洩を最小限に抑えるための原則的なアプローチとして、中間特徴圧縮が採用されています。
分散方式で入札値と特徴圧縮率を決定するために、分散型部分観察マルコフ決定プロセス (DEC-POMDP) モデルを定式化します。このモデルのために、マルチエージェントディープ決定論的ポリシー勾配 (MADDPG) ベースのアルゴリズムが開発されます。
シミュレーション結果は、プライバシーを保護する協調エッジ推論における提案されたアルゴリズムの有効性を示しています。
具体的には、十分なレベルのデータ プライバシー保護を考慮すると、提案されたアルゴリズムは、無線チャネルの状態に依存しないアプローチと比較して、分類精度が 0.31 ～ 0.95% 向上します。
推論データの困難さを考慮することで、パフォーマンスはさらに 1.54 ～ 1.67% 向上します。

要約(オリジナル)

Mobile edge computing (MEC) has empowered mobile devices (MDs) in supporting artificial intelligence (AI) applications through collaborative efforts with proximal MEC servers. Unfortunately, despite the great promise of device-edge cooperative AI inference, data privacy becomes an increasing concern. In this paper, we develop a privacy-aware multi-device cooperative edge inference system for classification tasks, which integrates a distributed bidding mechanism for the MEC server’s computational resources. Intermediate feature compression is adopted as a principled approach to minimize data privacy leakage. To determine the bidding values and feature compression ratios in a distributed fashion, we formulate a decentralized partially observable Markov decision process (DEC-POMDP) model, for which, a multi-agent deep deterministic policy gradient (MADDPG)-based algorithm is developed. Simulation results demonstrate the effectiveness of the proposed algorithm in privacy-preserving cooperative edge inference. Specifically, given a sufficient level of data privacy protection, the proposed algorithm achieves 0.31-0.95% improvements in classification accuracy compared to the approach being agnostic to the wireless channel conditions. The performance is further enhanced by 1.54-1.67% by considering the difficulties of inference data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google