基于区块链的联邦学习安全客户端选择
密码学与安全
2022-05-12 v1 机器学习
摘要
尽管联邦学习（FL）在大规模分布式学习中具有巨大潜力，但由于客户端训练的本地模型暴露于中心服务器，当前系统仍面临若干隐私问题。因此，已开发用于 FL 的安全聚合协议以对服务器隐藏本地模型。然而，我们表明，通过操纵客户端选择过程，服务器可规避安全聚合以学习受害客户端的本地模型，这意味着仅靠安全聚合不足以提供隐私保护。为解决此问题，我们利用区块链技术提出一种可验证的客户端选择协议。得益于区块链的不可篡改性与透明性，我们提出的协议强制随机选取客户端，使服务器无法自行控制选择过程。我们给出安全性证明，表明我们的协议可抵御此类攻击。此外，我们在类以太坊区块链上进行了若干实验，以证明我们方案的可行性与实用性。
引用
@article{arxiv.2205.05611,
title = {Blockchain-based Secure Client Selection in Federated Learning},
author = {Truc Nguyen and Phuc Thai and Tre' R. Jeter and Thang N. Dinh and My T. Thai},
journal= {arXiv preprint arXiv:2205.05611},
year = {2022}
}
备注
IEEE ICBC 2022