空间 AI 的去中心化信任：跨多供应商低轨卫星网络的基于区块链的联邦学习
密码学与安全
2025-12-10 v1 机器学习
摘要
空间 AI 的兴起正在通过灾难检测、边境监视和气候监测等应用重塑政府和产业，这些应用由来自商业和政府低轨（LEO）卫星的海量数据驱动。联邦卫星学习（FSL）使联合模型训练无需共享原始数据，但因间歇性连接而收敛缓慢，并引入了关键的信任挑战——跨卫星星座可能出现有偏或伪造的更新，包括通过星间或星地通信链路网络攻击注入的更新。我们提出 OrbitChain，一个区块链支持框架，赋能 LEO 网络中的可信多供应商协作。OrbitChain（i）将共识卸载到具有更大计算能力的高层平台（HAP），（ii）确保来自不同轨道、由不同供应商拥有的模型更新的透明、可审计溯源，以及（iii）防止被操纵或不完整的贡献影响全局 FSL 模型聚合。广泛的模拟表明，OrbitChain 在降低计算和通信开销的同时改善了隐私、安全性和全局模型准确性。其许可的权威证明账本在 1-of-5、3-of-5 和 5-of-5 法定人数下分别以亚秒级延迟（0.16 秒、0.26 秒、0.35 秒）最终确定超过 1000 个区块。此外，与单供应商相比，OrbitChain 在真实卫星数据集上将收敛时间缩短了多达 30 小时，证明了其在实时多供应商学习中的有效性。我们的代码可在 https://github.com/wsu-cyber-security-lab-ai/OrbitChain.git 获取。
引用
@article{arxiv.2512.08882,
title = {Decentralized Trust for Space AI: Blockchain-Based Federated Learning Across Multi-Vendor LEO Satellite Networks},
author = {Mohamed Elmahallawy and Asma Jodeiri Akbarfam},
journal= {arXiv preprint arXiv:2512.08882},
year = {2025}
}