Federated Kalman Filter for Secure IoT-based Device Monitoring Services

要約

タイトル：IoT デバイスの安全な監視サービスのためのフェデレーテッド・カルマンフィルター

要約：
– IoT デバイスが急増するにつれ、デバイス監視サービスの需要が高まっています。
– 特に、デバイスの位置情報を利用するサービスが人気です。
– しかし、データ収集や送信の性質により、プライバシー問題が発生することがあります。
– この論文では、プライバシー保護のためにフェデレーテッド・カルマンフィルター(FKF)、フェデレーテッド・ラーニングのアプローチ、そしてプライベート・ブロックチェーン技術を組み合わせたプラットフォームを紹介しています。
– 著者らは、受信信号強度指標(RSSI)を使った位置推定において、提案された設計と標準的なカルマンフィルター(KF)の実装の精度を分析しました。
– 実験結果は、FKFを用いたRSSIベースのデバイス監視において、データ推定の改善の可能性があることを示しています。

要約(オリジナル)

Device monitoring services have increased in popularity with the evolution of recent technology and the continuously increased number of Internet of Things (IoT) devices. Among the popular services are the ones that use device location information. However, these services run into privacy issues due to the nature of data collection and transmission. In this work, we introduce a platform incorporating Federated Kalman Filter (FKF) with a federated learning approach and private blockchain technology for privacy preservation. We analyze the accuracy of the proposed design against a standard Kalman Filter (KF) implementation of localization based on the Received Signal Strength Indicator (RSSI). The experimental results reveal significant potential for improved data estimation for RSSI-based localization in device monitoring.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI