A Privacy-Aware and Communication-Efficient Federated Spam Detection Framework for Multi-Cloud Environments

Resumo Técnico: Um Framework de Detecção de Spam Federado com Consciência de Privacidade e Eficiência de Comunicação para Ambientes Multi-Cloud (FPSD-MCP)

Declaração do Problema
A rápida proliferação de tráfego de spam em ambientes distribuídos de nuvem múltipla (multi-cloud) apresenta desafios significativos em relação à escalabilidade, eficiência de comunicação e privacidade de dados. As abordagens tradicionais de detecção de spam centralizadas são cada vez mais inadequadas devido às rigorosas restrições de compartilhamento de dados entre organizações e provedores de nuvem, bem como ao alto overhead de comunicação associado à agregação de dados brutos. Embora o Aprendizado Federado (FL) ofereça uma alternativa descentralizada ao treinar modelos em dados locais sem compartilhar entradas brutas, as abordagens padrão de FL enfrentam limitações críticas em configurações de nuvem múltipla. Estas incluem a vulnerabilidade a vazamentos de privacidade por meio de ataques de inversão de gradiente, degradação do desempenho do modelo sob distribuições de dados heterogêneas (não-IID) e o substancial overhead computacional e de comunicação introduzido pela integração de mecanismos de preservação de privacidade como Computação Multipartidária Segura (MPC) e Criptografia Homomórfica (HE). Os frameworks existentes frequentemente tratam a privacidade e a eficiência de comunicação como preocupações separadas, falhando em fornecer uma solução unificada que equilibre precisão do modelo, garantias de privacidade e overhead do sistema.

Metodologia
Os autores propõem o FPSD-MCP (Federated Privacy-Preserving Spam Detection for Multi-Cloud Platforms), um novo framework que integra Aprendizado Federado com MPC e HE para permitir a detecção de spam segura e escalável através de clusters de nuvem heterogêneos.

• Arquitetura do Framework: O sistema opera dentro de um cluster de nuvem múltipla onde cada provedor de nuvem atua como um nó cliente com dados e infraestrutura independentes. Um Roteador Seguro Central (CSR) coordena a agregação das atualizações do modelo. O framework emprega uma suposição de semi-confiança para o CSR, garantindo que mesmo o coordenador não possa acessar as atualizações de modelo em texto simples devido a proteções criptográficas.
• Mecanismos de Privacidade:
  • Privacidade Diferencial (DP): Os gradientes locais são clipados e perturbados com ruído Gaussiano para evitar o vazamento de informações.
  • Criptografia Homomórfica (HE): Os gradientes preservados pela privacidade são criptografados (usando a biblioteca Microsoft SEAL) para permitir operações aritméticas em textos cifrados sem necessidade de descriptografia.
  • Computação Multipartidária Segura (MPC): As atualizações criptografadas são processadas usando protocolos MPC (via MP-SPDZ) para realizar a agregação segura via compartilhamento de segredos, garantindo que as contribuições individuais dos clientes permaneçam confidenciais durante o processo de agregação.
• Estratégia de Agregação Adaptativa: Um componente central do FPSD-MCP é um mecanismo de agregação com consciência de privacidade e eficiência de comunicação. Ao contrário do FedAvg padrão, que utiliza ponderação uniforme, o FPSD-MCP formula o treinamento federado como um problema de otimização multiobjetivo. Ele pondera adaptativamente as atualizações dos clientes ($w_i$) com base em três fatores:
  1. Distribuição de Dados Locais: O tamanho do conjunto de dados do cliente ($|D_i|$).
  2. Custo de Comunicação: As restrições de largura de banda e latência ($C_i$), que são maiores sob HE devido à expansão do texto cifrado.
  3. Ruído Induzido pela Privacidade: A variância do ruído de privacidade diferencial ($\sigma_i^2$).
     Esta estratégia reduz o peso de clientes com altos custos de comunicação ou alto ruído de privacidade, otimizando o equilíbrio entre convergência do modelo, precisão e eficiência do sistema.
• Implementação do Modelo: O modelo de detecção de spam utiliza um classificador baseado em LSTM otimizado para representação sequencial de e-mails. O framework foi testado utilizando os conjuntos de dados Enron e SpamAssassin, particionados em subconjuntos de clientes não-IID para simular condições realistas de nuvem múltipla.

Principais Contribuições
O artigo descreve quatro contribuições primárias:

1. Estratégia de Agregação Inovadora: Um mecanismo de ponderação com consciência de privacidade e eficiência de comunicação que ajusta adaptativamente as contribuições dos clientes com base na distribuição de dados, custos de comunicação e ruído de privacidade, melhorando a robustez sob condições não-IID.
2. Otimização Multiobjetivo: Uma formulação que minimiza conjuntamente a perda de classificação, o overhead de comunicação e os custos de privacidade dentro de um framework unificado.
3. Framework de Privacidade Integrado: A combinação de FL, MPC e HE para garantir preservação de privacidade de ponta a ponta e colaboração segura entre provedores de nuvem heterogêneos.
4. Avaliação Abrangente: Validação experimental extensa demonstrando melhorias na precisão, convergência mais rápida e redução do overhead de comunicação em comparação com métodos de agregação de última geração (FedAvg, FedProx, FedNova).

Resultados Experimentais
O framework FPSD-MCP foi avaliado nos conjuntos de dados Enron e SpamAssassin contra modelos de linha de base (Regressão Logística, LSTM, BERT) e estratégias de agregação padrão.

• Ganhos de Desempenho: O FPSD-MCP superou significativamente os modelos de linha de base. No conjunto de dados Enron, alcançou ganhos de 4,5% em precisão, 3,6% em recall e 4,1% no F1-score em comparação com métodos existentes. No conjunto de dados SpamAssassin, as melhorias foram ainda mais pronunciadas, com ganhos de 11,7% em precisão, 7,1% em recall e 9,4% no F1-score.
• Convergência e Eficiência: O framework proposto exigiu menos rodadas de comunicação para convergir (28 rodadas para Enron, 26 para SpamAssassin) em comparação com FedProx e FedNova, mantendo simultaneamente um menor overhead de comunicação (16,3 MB para Enron, 14,1 MB para SpamAssassin).
• Robustez:
  • Dados Não-IID: Sob severo desvio de distribuição de dados, o FPSD-MCP manteve um F1-score de 0,90, superando significativamente a Regressão Logística (0,71) e o BERT (0,84).
  • Ataques Adversários: Na presença de 30% de dados envenenados, o FPSD-MCP mostrou alta resiliência, com uma queda no F1-score de apenas 0,06 (de 0,94 para 0,88), enquanto a Regressão Logística sofreu uma degradação de mais de 40%.
  • Escalabilidade: O framework manteve um desempenho estável (96,8% de precisão) conforme o número de clientes aumentava para 100, superando BERT e LSTM em configurações de larga escala.
• Trade-off Privacidade-Eficiência: O estudo de ablação confirmou que, embora a integração de MPC e HE introduza uma pequena queda na precisão (menos de 3%) e aumento no custo computacional em comparação ao FL em texto simples, o framework equilibra com sucesso esses custos com fortes garantias de segurança.

Significância e Alegações
Os autores alegam que o FPSD-MCP fornece uma solução escalável e segura para detecção de spam distribuída, abordando efetivamente as limitações das abordagens atuais de FL em ambientes de nuvem múltipla. A significância do trabalho reside em seu design unificado, que trata a privacidade e a eficiência de comunicação não como restrições independentes, mas como objetivos otimizados conjuntamente. Ao introduzir uma estratégia de agregação adaptativa que considera trade-offs de nível de sistema, o framework permite o treinamento de modelos confiáveis através de distribuições de dados heterogêneas e não-IID sem comprometer a localidade dos dados. Os resultados sugerem que o FPSD-MCP é um candidato viável para implantação no mundo real em infraestruturas de nuvem múltipla sensíveis à privacidade, onde equilibrar a precisão de detecção com rigorosas garantias de privacidade e restrições de comunicação é crítico. O trabalho futuro é identificado com foco no aprimoramento adicional da eficiência de comunicação e na otimização da alocação de recursos.