基于智能合约的分层联邦学习众筹机制
分布式、并行与集群计算
2022-05-13 v1 计算机科学与博弈论
摘要
分层联邦学习（HFL）作为一种有前景的技术被提出，它允许模型所有者充分利用计算资源和带宽资源来训练全局模型。然而，由于训练成本高，单一模型所有者可能无法部署 HFL。为解决此问题，我们为 HFL 开发了一种基于智能合约的可信众筹机制，使多个模型所有者能为多个众筹参与者获得具有高社会效用的众筹模型。为确保众筹机制的真实性，我们实现了 Vickey-Clark-Croves（VCG）机制以鼓励所有众筹参与者和客户端提供真实出价与报价。同时，为保证众筹的可信度与资金自动分配，我们开发并实现了智能合约，将众筹过程与训练结果记录在区块链上。我们证明所提方案满足预算平衡与参与者约束。最后，我们在以太坊私链上实现了该智能合约的原型并评估了所提 VCG 机制。实验结果表明，所提方案能在确保众筹过程真实可信的同时有效提升社会效用。
引用
@article{arxiv.2205.06101,
title = {A Smart Contract based Crowdfunding Mechanism for Hierarchical Federated Learning},
author = {Hongze Liu and Jie Li and Shijing Yuan and Wenqi Cao and Bowen Li},
journal= {arXiv preprint arXiv:2205.06101},
year = {2022}
}
备注
8 pages, 6 figures