面向可持续零售：基于区块链的联邦学习以减少食品浪费
机器学习
2026-02-05 v1 人工智能
密码学与安全
摘要
有效的需求预测对于减少食品浪费至关重要。然而，数据隐私顾虑常常阻碍了零售商之间的合作，限制了提高预测准确性的潜力。本研究探索了在可持续供应链管理 (SSCM) 中应用联邦学习 (FL) 的可能性，具体聚焦于处理易腐商品的杂货零售部门。我们构建了一个针对孤立零售商场景的需求预测和浪费评估基线预测模型。随后，我们引入基于区块链的 FL 模型，在多个零售商之间进行协作训练，而无需直接共享数据。我们的初步结果表明，FL 模型的性能几乎等同于各方相互共享数据的数据理想设置，且显著优于各自构建模型（无数据共享）的结果，显著降低了浪费并提升了效率。
引用
@article{arxiv.2602.04384,
title = {Blockchain Federated Learning for Sustainable Retail: Reducing Waste through Collaborative Demand Forecasting},
author = {Fabio Turazza and Alessandro Neri and Marcello Pietri and Maria Angela Butturi and Marco Picone and Marco Mamei},
journal= {arXiv preprint arXiv:2602.04384},
year = {2026}
}
备注
Author-accepted manuscript of a paper published in the IEEE International Symposium on Computers and Communications (ISCC), 2025, pp. 1-6. doi: https://doi.org/10.1109/ISCC65549.2025.11326299