区块链赋能的联邦学习：参考架构设计、实现与验证

本文提出了一种用于区块链赋能的联邦学习（BCFL）的新型参考架构，BCFL 是一种融合联邦学习与区块链技 术优势的前沿方法。我们定义了智能合约功能、利益相关者及其角色，以及星际文件系统（IPFS）作为 BCFL 的关键组件，并进行了全面分析。在传统的集中式联邦学习中，本地节点的选择以及每轮学习结果的收集均在中心服务器的控制下合并进行。相反，在 BCFL 中，所有这些过程都通过智能合约进行监控和管理。此外，我们提出了一种扩展架构以支持跨设备和跨孤岛联邦学习场景。进一步，我们在一个实际的真实世界以太坊开发环境中实现并验证了该架构。我们的 BCFL 参考架构提供了显著的灵活性和可扩展性，可根据特定需求和用例容纳各种附加元素的集成，从而使其成为适用于广泛 BCFL 应用的自适应解决方案。作为可扩展性的一个突出示例，去中心化标识符（DID）已被用作认证方法，以在 BCFL 中引入实际利用。本研究不仅弥合了研究与实际部署之间的关键鸿沟，也为 BCFL 领域的未来探索奠定了坚实基础。本研究的关键贡献是成功实现并验证了现实的 BCFL 参考架构。我们打算不久后公开源代码，以促进社区内的进一步进展与适配。