BAFFLE：基于区块链的无聚合器联邦学习
机器学习
2020-10-20 v3 密码学与安全
分布式、并行与集群计算
机器学习
摘要
联邦学习（FL）的一个关键方面是需要集中式聚合器来维护和更新全局模型。然而，在许多情况下，由于众多操作限制，编排集中式聚合器可能不可行。本文中，我们介绍 BAFFLE，一种无聚合器、由区块链驱动的、天然去中心化的 FL 环境。BAFFLE 利用智能合约（SC）来协调 FL 中的轮次划分、模型聚合与更新任务。BAFFLE 通过将全局参数空间分解为不同块并采用评分与竞价策略来提升计算性能。为刻画 BAFFLE 的性能，我们在私有以太坊网络上开展实验，并以集中式及聚合器驱动的方法作为基准。我们表明，与直接适配的基于聚合器的方法相比，BAFFLE 显著降低了区块链上 FL 的 gas 成本。我们的结果还表明，BAFFLE 在达到与基准方法相似精度的同时，实现了高可扩展性与计算效率。
引用
@article{arxiv.1909.07452,
title = {BAFFLE : Blockchain Based Aggregator Free Federated Learning},
author = {Paritosh Ramanan and Kiyoshi Nakayama},
journal= {arXiv preprint arXiv:1909.07452},
year = {2020}
}