زمان تحویل: 23 روز
ارسال پیشنهاد در:
انجام شده
طراحی ارزیابی یادگیری فدرال مبتنی بلاکچین جهت اینترنت اشیا
- توسعه نرمافزار و آیتی
این پروژه درباره طراحی و ارزیابی یک سیستم یادگیری فدرال مبتنی بر بلاکچین برای اینترنت اشیا است. هدف اصلی این است که چند دستگاه بتوانند بدون ارسال دادههای خام خود، بهصورت مشترک یک مدل یادگیری ماشین را آموزش دهند و بلاکچین نیز هویت شرکتکنندگان، تاریخچه تبادلها و صحت بهروزرسانیهای مدل را ثبت کند.
کل سیستم روی یک کامپیوتر شبیهسازی میشود و شامل یک Controller و سه Device است. هر Device بخشی از دادهها را در اختیار دارد، مدل Logistic Regression را روی دادههای محلی خود آموزش میدهد و فقط وزنهای بهروزشده مدل را برای Controller ارسال میکند. Controller این وزنها را با روش FedAvg ترکیب میکند و مدل سراسری جدید را میسازد. در صورت تأیید استاد، میتوان FedProx را نیز برای دادههای Non-IID بررسی کرد.
برای بخش بلاکچین، از یک شبکه خصوصی Ethereum با Geth استفاده میشود. قرارداد هوشمند با Solidity نوشته میشود و اطلاعاتی مانند شناسه Device، شماره Round، زمان و Hash بهروزرسانی مدل را ثبت میکند. داده خام و وزنهای کامل مدل روی بلاکچین ذخیره نمیشوند. ارتباط Python با Geth از طریق Web3.py انجام میشود.
مطالعه موردی پیشنهادی مربوط به نگهداری پیشبینانه تجهیزات یا پمپهای صنعتی است. یکی از دیتاستهای عمومی مناسب برای طبقهبندی دودویی انتخاب و بین سه Device تقسیم میشود. معیارهای ارزیابی شامل Accuracy، Precision، Recall، F1-score، همگرایی مدل، تأخیر تراکنش، مصرف Gas، هزینه ارتباطی و رشد حجم دفترکل است.
برنامه اجرا در شش مرحله انجام میشود: مرور منابع و انتخاب دیتاست، پیادهسازی یادگیری فدرال، راهاندازی Geth و قرارداد هوشمند، اتصال کامل دو بخش، اجرای آزمایشها و تحلیل نتایج، و در نهایت تکمیل مستندات و آمادهسازی خروجی علمی.
خروجی نهایی باید شامل کد کامل، شبکه خصوصی Geth، قرارداد هوشمند، سیستم شبیهسازیشده با یک Controller و سه Device، نتایج آزمایشها، نمودارها، جداول و مستندات اجرای پروژه باشد.
مهارتهای مورد نیاز
پایتون (Python)
Internet Security
رمزنگاری
اینترنت اشیا (IoT)
برنامه نویسی
فایل ها
سرویسهای مرتبط
فریلنسرهایی که در این پروژه پیشنهاد ارسال کردهاند
آخرین پروژه های توسعه نرمافزار و آیتی
projects