面向元宇宙的去中心化量子联邦学习：分析、设计与实现
机器学习
2023-06-21 v1
摘要
随着元宇宙（一个人们可以互动、社交、娱乐和开展业务的虚拟世界）的新兴发展，确保底层系统透明、安全和可信变得至关重要。为此，我们开发了一个去中心化且可信的量子联邦学习（QFL）框架。所提出的 QFL 利用区块链的力量创建一个安全透明的系统，能够抵御网络攻击和欺诈。此外，去中心化的 QFL 系统解决了基于中心化服务器的方案所带来的风险。通过大量实验和分析，我们在分布式环境中评估了经典联邦学习（CFL）和 QFL，并展示了所提设计的实用性和优势。我们的理论分析和讨论构建了一个对元宇宙至关重要的真正去中心化的金融系统。此外，我们展示了基于区块链的 QFL 在由元宇宙观察者和世界模型驱动的混合元宇宙中的应用。我们的实现细节和代码已公开可用 1。
引用
@article{arxiv.2306.11297,
title = {Decentralized Quantum Federated Learning for Metaverse: Analysis, Design and Implementation},
author = {Dev Gurung and Shiva Raj Pokhrel and Gang Li},
journal= {arXiv preprint arXiv:2306.11297},
year = {2023}
}