基于分布式机器学习与区块链模型验证的去中心化天气预报
机器学习
2025-08-15 v2 人工智能
密码学与安全
摘要
天气预报在灾害防范、农业和资源管理中发挥着至关重要的作用,然而当前的中心化预报系统日益受到安全漏洞、有限的可扩展性以及单点故障易感性的制约。为了应对这些挑战,我们提出了一个将联邦学习(Federated Learning, FL)与区块链技术相结合的去中心化天气预报框架。FL 能够在不暴露敏感本地数据的情况下进行协作模型训练;这种方法增强了隐私性并减少了数据传输开销。同时,以太坊区块链确保了模型更新的透明且可靠的验证。为了进一步增强系统的安全性,我们引入了一种基于声誉的投票机制,用于评估所提交模型的可信度,同时利用星际文件系统(Interplanetary File System, IPFS)进行高效的链下存储。实验结果表明,我们的方法不仅提高了预报准确率,还增强了系统的弹性和可扩展性,使其成为在现实世界安全关键环境中部署的可行候选方案。
引用
@article{arxiv.2508.09299,
title = {Decentralized Weather Forecasting via Distributed Machine Learning and Blockchain-Based Model Validation},
author = {Rilwan Umar and Aydin Abadi and Basil Aldali and Benito Vincent and Elliot A. J. Hurley and Hotoon Aljazaeri and Jamie Hedley-Cook and Jamie-Lee Bell and Lambert Uwuigbusun and Mujeeb Ahmed and Shishir Nagaraja and Suleiman Sabo and Weaam Alrbeiqi},
journal= {arXiv preprint arXiv:2508.09299},
year = {2025}
}