EPDA: An Efficient and Privacy-preserving Dual Aggregation Scheme for Federated Learning in VANETs

Le auto moderne non sono più solo macchine per spostarsi dal punto A al punto B; sono computer su ruote che raccolgono costantemente dati sulla strada, sul conducente e sul traffico circostante. Queste informazioni sono vitali per rendere il trasporto più sicuro ed efficiente, ma creano anche un significativo dilemma della privacy. I conducenti non vogliono che la cronologia delle loro posizioni o le loro abitudini di guida vengano esposte, eppure hanno bisogno che i loro veicoli imparino dall'esperienza collettiva dell'intera flotta. Per risolvere questo problema, i ricercatori hanno sviluppato un metodo chiamato apprendimento federato (federated learning). Invece di inviare dati grezzi a un server centrale, ogni auto addestra un piccolo modello informatico sui propri dati locali e invia al coordinatore solo gli aggiornamenti matematici di quel modello. Ciò mantiene i dettagli privati sul veicolo, ma introduce un nuovo problema: gli aggiornamenti stessi possono ancora rivelare informazioni sensibili, e i canali wireless aperti utilizzati dalle auto sono vulnerabili agli hacker che potrebbero fingersi un'auto o manomettere i dati.

Un team di ricercatori della Jiangsu University ha proposto un nuovo sistema chiamato EPDA per affrontare queste vulnerabilità specificamente per le reti veicolari. Il loro lavoro si concentra sulla creazione di un modo per far sì che centinaia di auto contribuiscano a un modello di apprendimento condiviso senza rivelare chi sono o cosa stanno guidando, garantendo al contempo che il processo sia abbastanza veloce da funzionare nel traffico in tempo reale. I ricercatori hanno progettato un processo in due fasi che gestisce sia la verifica delle identità delle auto che la combinazione dei loro aggiornamenti del modello. Utilizzando un tipo specifico di firma digitale che non richiede pesanti calcoli crittografici, sono riusciti a mantenere il costo computazionale estremamente basso. Nei loro test utilizzando un dataset standard per il riconoscimento della segnaletica stradale, il sistema ha richiesto solo 0,03 secondi di elaborazione per auto e ha trasmesso solo 148 byte di dati per client, anche scalando fino a 350 veicoli. Questa efficienza suggerisce che un sistema del genere potrebbe essere realisticamente implementato in ambienti urbani trafficati, dove la velocità e la privacy sono ugualmente critiche.

La sfida principale in questo campo è bilanciare sicurezza e velocità. I metodi tradizionali per proteggere i dati spesso si affidano a operazioni matematiche complesse che richiedono troppo tempo per le decisioni istantanee necessarie nel traffico. Altri approcci potrebbero proteggere la privacy ma fallire nel nascondere l'identità del mittente, lasciando i conducenti vulnerabili al tracciamento. I ricercatori dietro EPDA hanno affrontato questo problema introducendo uno schema di aggregazione duale. La prima parte del loro sistema si occupa dell'autenticazione. In uno scenario tipico, un'unità stradale (roadside unit) funge da collettore semi-affidabile, raccogliendo gli aggiornamenti dalle auto vicine. I ricercatori hanno dotato questo collettore di un modo per verificare che tutti i messaggi in entrata siano genuini senza dover controllare ciascuno di essi individualmente. Ci sono riusciti raggruppando le firme digitali di più auto in una singola firma compatta. Ciò consente all'unità stradale di confermare la validità di un intero lotto di aggiornamenti in un colpo solo, invece di rallentare per verificare ogni veicolo uno alla volta. Questo metodo evita la necessità di strumenti crittografici pesanti che altrimenti rallenterebbero il sistema.

La seconda parte del sistema protegge il contenuto effettivo degli aggiornamenti del modello. Anche se un'auto è verificata come legittima, i dati che invia potrebbero comunque essere analizzati per inferire dettagli privati. Per evitare ciò, i ricercatori hanno implementato una tecnica di mascheramento. Prima che un'auto invii il proprio aggiornamento del modello, maschera i dati utilizzando una chiave segreta condivisa con il server centrale. Questa mascheratura assicura che l'unità stradale, che è solo semi-affidabile, non possa vedere i parametri grezzi del modello. Il server centrale, che possiede la chiave master, può successivamente decomprimere i dati aggregati per aggiornare il modello globale. Questo processo garantisce che i collettori intermedi non vedano mai le informazioni sensibili, pur permettendo la corretta ricostruzione del modello finale. Il sistema assicura anche che l'identità dell'auto rimanga nascosta. Ogni veicolo utilizza un'identità temporanea e fittizia per le proprie trasmissioni, rendendo impossibile per un osservatore collegare due diversi messaggi alla stessa auto. Solo un'autorità fidata, tenuta separata dai collettori di dati, ha la capacità di rivelare un'identità reale se un'auto si comporta in modo malevolo, garantendo che la privacy non avvenga a scapito della totale responsabilità.

Per testare quanto bene funzioni questo sistema nella pratica, i ricercatori hanno simulato un ambiente di apprendimento federato utilizzando un dataset di oltre 50.000 immagini di segnali stradali. Hanno impostato uno scenario in cui da 50 a 350 auto virtuali partecipavano al processo di addestramento. I risultati hanno mostrato che il tempo richiesto per le operazioni crittografiche rimaneva sorprendentemente stabile indipendentemente dal numero di auto coinvolte. Mentre il tempo necessario alle auto per addestrare i propri modelli locali aumentava con la dimensione dei loro dati, il tempo speso per i compiti di sicurezza come il mascheramento e la firma rimaneva costantemente basso, con una media inferiore a 0,04 secondi per auto. Il tempo richiesto al server centrale per verificare le firme raggruppate è cresciuto linearmente ma è rimasto molto veloce, impiegando solo circa 3,2 millisecondi per verificare gli aggiornamenti di 350 auto. In termini di trasmissione dati, il sistema è stato altamente efficiente, richiedendo a ciascuna auto di inviare solo 148 byte di informazioni per round. Questo è significativamente meno rispetto ad altri metodi esistenti, che possono richiedere centinaia o anche migliaia di byte per lo stesso compito.

I ricercatori hanno confrontato il loro approccio con diversi altri metodi all'avanguardia e hanno scoperto che il loro sistema era costantemente più veloce e leggero. Mentre alcuni schemi concorrenti si affidavano a complessi accoppiamenti matematici che richiedevano quasi 10 millisecondi per la verifica, il sistema EPDA completava lo stesso compito in una frazione di quel tempo. Anche l'overhead di comunicazione è stato drasticamente ridotto, con la dimensione totale dei dati per auto che era inferiore a un terzo di quella richiesta da alcuni altri metodi. Questi risultati indicano che lo schema proposto naviga con successo il difficile compromesso tra forti garanzie di privacy e le richieste di alta velocità delle reti veicolari. Il sistema si è dimostrato capace di gestire un gran numero di partecipanti senza degradare le prestazioni, suggerendo che possa scalare efficacemente man mano che il numero di veicoli connessi sulla strada continua a crescere.

In definitiva, il lavoro dimostra che è possibile costruire un sistema di apprendimento sicuro, privato ed efficiente per il mondo automobilistico senza fare affidamento sui pesanti macchinari computazionali che hanno precedentemente limitato tali applicazioni. Combinando un metodo di firma leggero con una tecnica di mascheramento sicura, i ricercatori hanno creato un framework in cui le auto possono imparare insieme senza esporre i propri segreti o rallentare la rete. Le simulazioni suggeriscono che questo approccio è pronto per l'implementazione nel mondo reale, offrendo una via pratica per i sistemi di trasporto intelligenti che rispettano la privacy dell'utente mantenendo al contempo le alte prestazioni necessarie per una guida sicura. Lo studio conclude che questo metodo di aggregazione duale fornisce una soluzione vitale per il futuro dei veicoli connessi, dove la sicurezza dei dati e l'efficienza operativa devono andare di pari passo.