BlockFUL：在区块链联邦学习中实现遗忘
密码学与安全
2025-09-30 v3 人工智能
计算机视觉与模式识别
摘要
联邦学习（FL）中的遗忘面临着重大挑战，因为模型随着复杂的继承关系而增长和演变。当采用区块链来确保 FL 的完整性和可追溯性时，这种复杂性被进一步放大，因为需要编辑多个相互关联的区块链记录并更新所有继承模型，从而使过程变得复杂。在本文中，我们介绍了区块链联邦遗忘（BlockFUL），这是一种具有双链结构（包含活链和归档链）的新型框架，旨在在区块链 FL 中实现遗忘能力。BlockFUL 引入了两种新的遗忘范式，即并行范式和顺序范式，这些范式可以通过基于梯度上升和基于重新训练的遗忘方法有效实施。这些方法通过实现高效的共识操作和降低计算成本，增强了多个继承模型的遗忘过程。我们的大量实验验证了这些方法有效地减少了数据依赖性和操作开销，从而提升了 BlockFUL 在 CIFAR-10 和 Fashion-MNIST 数据集上使用 AlexNet、ResNet18 和 MobileNetV2 模型对继承模型进行遗忘的整体性能。
引用
@article{arxiv.2402.16294,
title = {BlockFUL: Enabling Unlearning in Blockchained Federated Learning},
author = {Xiao Liu and Mingyuan Li and Xu Wang and Guangsheng Yu and Wei Ni and Lixiang Li and Haipeng Peng and Renping Liu},
journal= {arXiv preprint arXiv:2402.16294},
year = {2025}
}