APPFLChain：基于联邦学习与联盟区块链的隐私保护分布式人工智能架构
密码学与安全
2022-07-12 v2 人工智能
数据库
机器学习
摘要
近期物联网研究已广泛应用于工业实践，推动了数据与连接设备的指数级增长。此后，数据驱动的 AI 模型将通过特定数据共享策略被不同方访问。然而，当前大多数训练流程依赖集中式数据收集策略和单一计算服务器。但这种集中式方案可能导致诸多问题。存储在集中式数据库中的客户数据可能被篡改，从而无法证明数据的来源与真实性。一旦上述安全担忧发生，训练所得 AI 模型的可信度将受质疑，甚至在测试阶段产生不利结果。近来，区块链与 AI 这两大工业 4.0 和 Web 3.0 的核心技术已被探索以促进去中心化 AI 训练策略。为此，我们提出一种称为 APPFLChain 的新系统架构，即基于 Hyperledger Fabric 的区块链与联邦学习范式相集成的架构。我们提出的新系统允许不同方联合训练 AI 模型，其客户或利益相关者通过基于联盟区块链的网络连接。我们的新系统可维持高度的安全与隐私，因为用户无需向服务器共享敏感个人信息。在数值评估中，我们模拟真实场景以说明 APPFLChain 的整体运行流程。仿真结果表明，利用联盟区块链与联邦学习的特性，APPFLChain 可展现出不可篡改、可追溯、隐私保护和可靠决策等优良特性。
引用
@article{arxiv.2206.12790,
title = {APPFLChain: A Privacy Protection Distributed Artificial-Intelligence Architecture Based on Federated Learning and Consortium Blockchain},
author = {Jun-Teng Yang and Wen-Yuan Chen and Che-Hua Li and Scott C. -H. Huang and Hsiao-Chun Wu},
journal= {arXiv preprint arXiv:2206.12790},
year = {2022}
}
备注
We found that the simulation part in section V is not completed. We need to add more experiments to support it