基于区块链的可信联邦遗忘
机器学习
2024-01-30 v1 密码学与安全
摘要
联邦遗忘是保护分布式客户端数据所有权的一种有前景的范式。它允许中央服务器消除机器学习模型中的历史数据影响，并解决联邦学习中的“被遗忘权”问题。然而，现有工作要求中央服务器保留来自分布式客户端的历史模型参数，以便即使在客户端退出训练过程后，中央服务器仍能利用这些参数进行进一步训练。为了解决这一问题，本文提出了一种新的基于区块链的可信联邦遗忘框架。我们首先设计了一种联邦遗忘证明协议，该协议利用 Chameleon 哈希函数来验证数据移除并消除存储在其他客户端模型中的数据贡献。随后，开发了一种基于自适应贡献的再训练机制，以降低计算开销并显著提高训练效率。大量实验表明，所提出的框架能够比 SOTA 框架取得更好的数据移除效果，标志着向可信联邦遗忘迈出了重要一步。
引用
@article{arxiv.2401.15917,
title = {Blockchain-enabled Trustworthy Federated Unlearning},
author = {Yijing Lin and Zhipeng Gao and Hongyang Du and Jinke Ren and Zhiqiang Xie and Dusit Niyato},
journal= {arXiv preprint arXiv:2401.15917},
year = {2024}
}