TFL-DT：モバイルネットワークのデジタルツインにおけるフェデレーテッドラーニングのための信頼評価スキーム

分散協力とプライバシー保護機能により、フェデレーテッドラーニングはモバイルネットワークのデジタルツイン（DTMN）の仮想ツインにおけるモデルトレーニングを行うための有望な技術です。モデルの信頼性を高めるためには、フェデレーテッドラーニングに関与するユーザーが信頼できる行動を取ることが常に期待されます。しかし、フェデレーテッドラーニングのための利用可能な信頼評価スキームは、単純な評価要因を考慮し、粗い粒度の信頼計算方法を使用する問題があります。本稿では、DTMNにおけるフェデレーテッドラーニングのための信頼評価スキームを提案し、直接的な信頼証拠と推奨された信頼情報を考慮します。ユーザー行動モデルは、ユーザーの行動を細かく描写するために複数の属性に基づいて設計されます。さらに、ユーザーのローカル信頼値と推奨信頼値の信頼計算方法が、信頼証拠としてのユーザー行動モデルのデータを使用して提案されます。提案されたスキームの有効性を検証するために、いくつかの実験が行われました。その結果、提案された方法は異なる行動パターンを持つユーザーの信頼レベルを正確に評価できることが示されました。さらに、最新のスキームと比較して、良い行動と悪い行動を交互に実行するユーザーからの攻撃に対してより優れた性能を発揮します。