一种基于差分隐私的区块链垂直联邦学习方法
密码学与安全
2024-07-10 v1 新兴技术
机器学习
摘要
我们提出了差分隐私区块链基于垂直联邦学习（DP-BBVFL）算法，为去中心化应用提供可验证性和隐私保障。DP-BBVFL 使用智能合约透明地聚合来自客户端的特征表示，即嵌入向量。我们应用局部差分隐私，为存储在区块链上的嵌入向量提供隐私保护，从而保护原始数据。我们提供了差分隐私与区块链在垂直联邦学习中首个的原型应用。我们的实验使用医疗数据表明，DP-BBVFL 在训练时间上以链上聚合为代价，实现了高准确率。这一创新的差分隐私与区块链技术在 DP-BBVFL 中的融合，可能开启面向多个去中心化应用领域的协作性可信机器学习新时代。
引用
@article{arxiv.2407.07054,
title = {A Differentially Private Blockchain-Based Approach for Vertical Federated Learning},
author = {Linh Tran and Sanjay Chari and Md. Saikat Islam Khan and Aaron Zachariah and Stacy Patterson and Oshani Seneviratne},
journal= {arXiv preprint arXiv:2407.07054},
year = {2024}
}