UAVに対応した車両のインターネットにおける連合学習に向けた多次元契約マッチングアプローチ

深層学習の発展に伴い、車両のインターネット（IoV）構成要素の豊富なデータと強化された計算能力により、効果的な人工知能（AI）ベースのモデルを構築することが可能になっています。地上データソースを超えたデータ収集とAIモデルのトレーニングのための無人航空機（UAV）に基づくサービスプロバイダ、すなわち、ドローン・アズ・ア・サービス（DaaS）が近年ますます人気を集めています。しかし、データプライバシーを規制する厳格な規制は、独立して所有されるUAV間でのデータ共有を妨げる可能性があります。この目的のために、IoVアプリケーションの開発、例えば交通予測や駐車場占有管理のためのプライバシーを保護した協調型機械学習を可能にする連合学習（FL）ベースのアプローチの採用を提案します。UAVとモデル所有者の間の情報の非対称性とインセンティブのミスマッチを考慮し、多次元契約の自己開示特性を活用してUAVタイプの真実を報告させるとともに、センサ、計算、伝送コストなどのさまざまな異質性の源を考慮します。その後、ゲイル・シャプレイアルゴリズムを採用して、各サブリージョンに最もコストの低いUAVをマッチさせます。シミュレーション結果は、契約設計のインセンティブ互換性を検証し、マッチングの効率を示し、情報の非対称性の中でモデル所有者の利益最大化を保証します。