|
これまでの研究成果を発展させることを目的とし、以下の3つの課題に取り組み、本課題を提案時の目標以上の成果で完了した。
第一に、最終年度の残課題であったインセンティブ機構を設計した。具体的には、エッジコンピューティングオペレーターの収益と利用者の性能を両立することを目的とし、IoTデバイスがのオペレーターに対して計算資源を提供するためのシュタッケルベルグ競争の原理を応用したインセンティブ機構を設計した。オペレーターがが与えたデバイスへのインセンティブに対して得られる性能を定式化することで、収益と性能を両立するインセンティブ機構を実現した。
第二に、提案するエッジコンピューティング環境上の具体的なアプリケーションを想定した応用事例を検討した。具体的には、フェデレーテッドラーニングを想定し、ユーザが更新したモデルの差分から漏洩するプライバシー情報を秘匿することを目的としたアーキテクチャを設計した。本課題で提案する分散計算アーキテクチャ上で、モデル更新を分散させることで、攻撃者がモデルの差分を得ることができずに、プライバシー情報を秘匿できるアーキテクチャである。
第三に、エッジコンピューティング環境のさらなる分散化を想定して、小規模なプログラムが可能であるネットワークデバイスであるプログラマブルスイッチやプログラマブルNICなどを想定したエッジコンピューティング環境構想を設計した。エッジコンピューティングの一部の計算をNICやスイッチ上にアウトソースすることで、エッジコンピューティングの計算速度を高速化するものである。機械学習を応用して、情報を圧縮することで、資源制約の厳しいプログラマブルスイッチやNIC上へ計算をアウトソースすることを可能にした。
|
