Protección de la privacidad y la integridad de los datos multimodales de IoT mediante aprendizaje automático y blockchain

 Con la amplia aplicación de la tecnología de Internet de las cosas (IoT), se recopilan y analizan grandes volúmenes de datos multimodales para diversos diagnósticos, análisis y predicciones que ayudarán en la toma de decisiones y la gestión. Sin embargo, la investigación sobre la protección de la integridad y la privacidad de los datos es bastante limitada, mientras que la falta de una protección adecuada de los datos confidenciales puede tener impactos significativos en los beneficios y ganancias de los propietarios de los datos. En esta investigación, proponemos una solución de protección para la integridad y privacidad de los datos. Específicamente, nuestro sistema protege la integridad de los datos a través de sistemas distribuidos y tecnología blockchain. Mientras tanto, nuestro sistema garantiza la privacidad de los datos mediante técnicas de privacidad diferencial y Machine Learning (ML). 

Nuestro sistema tiene como objetivo mantener la usabilidad de los datos para futuras tareas analíticas de datos de los usuarios de datos mientras cifra los datos de acuerdo con los requisitos de los propietarios de los datos. Implementamos nuestra solución con contratos inteligentes, sistemas de archivos distribuidos y modelos ML. Los resultados experimentales muestran que nuestra solución propuesta puede cifrar eficazmente los datos de origen de IoT de acuerdo con los requisitos de los usuarios de datos, mientras que la integridad de los datos se puede proteger bajo la cadena de bloques.

Arquitectura de cadena de bloques: Blockchain es un sistema de almacenamiento de datos distribuido que registra todos los detalles de las transacciones en la red peer-to-peer. Todos los participantes de la red pueden tener una copia de los datos. Por lo tanto, ninguna autoridad central ni un solo nodo pueden controlar toda la red, logrando así de manera efectiva una protección de datos descentralizada. En blockchain, toda la información relacionada con los registros de transacciones se almacena y rastrea a través de una secuencia de "bloques" que forman efectivamente una cadena. Cada bloque consta de información dividida en un bloque y un cuerpo de bloque. El bloque contiene información como el hash del bloque actual, el padre hash de bloque y marca de tiempo. El cuerpo del bloque contiene registros de transacciones entre los usuarios de la comunidad. El hash de bloque es una cadena creada por un algoritmo hash criptográficamente seguro, que se utiliza para mantener la inmutabilidad de los datos. Por lo tanto, blockchain ofrece protección de integridad, ya que los datos la manipulación provoca la alteraciones del hash del bloque, lo que provoca discrepancias en los bloques.

En esta investigación, proponemos un sistema para proteger la integridad y privacidad de los datos multimodales producidos por los sistemas IoT. El sistema puede proporcionar protección de la integridad de los datos mediante el uso de IPFS y contratos inteligentes. Mientras tanto, el nivel de protección de la privacidad puede controlarse mediante los resultados de los modelos ML, y el modelo DRL podría gestionar aún más el contrato inteligente para los usuarios de datos autorizados. 

Probamos nuestro sistema en experimentos extensos, incluida la protección DP, el nivel de protección de privacidad basado en ML, el almacenamiento de datos en la cadena de bloques Ethereum y el modelo DRL para administrar contratos inteligentes. Los resultados de las pruebas muestran que nuestro sistema no solo puede proteger la privacidad y la integridad de los datos multimodales de IoT, sino también controlar el nivel deseado de protección de la privacidad y la integridad. Creemos que el sistema muestra un gran potencial para la protección de la privacidad y la integridad, que puede usarse como un esquema guía para futuras investigaciones en esta área.

Fuente: Liu, Q., Huang, Y., Jin, C., Zhou, X., Mao, Y., Catal, C. y Cheng, L. (2024). Protección de privacidad e integridad para datos multimodales de IoT mediante aprendizaje automático y blockchain. Transacciones ACM sobre informática, comunicaciones y aplicaciones multimedia , 3638769. https://doi.org/10.1145/3638769