DLBC：一种面向深度学习服务的区块链中基于深度学习的共识机制
分布式、并行与集群计算
2020-02-03 v2 计算机视觉与模式识别
摘要
随着人工智能应用的增多，深度神经网络（DNN）已成为一项新兴任务。然而，训练一个好的深度学习模型将面临巨大的计算成本与能耗。近来，区块链已被广泛使用，且其运行过程中，大量计算资源被浪费于工作量证明（PoW）共识。在本文中，我们提出 DLBC，以利用矿工的计算能力进行深度学习训练作为有用工作证明，而非计算哈希值。它与近期有用工作证明机制的不同之处在于解决了它们的各种局限。具体而言，DLBC 处理多任务、更大的模型与训练数据集，并引入了综合考虑任务难度（如模型复杂度、网络负担、数据大小、队列长度）的排名机制。我们还应用了 DNN-watermark [1] 以提升鲁棒性。在第 V 节中，数字签名的平均开销分别为 1.25、0.001、0.002 和 0.98 秒，网络的平均开销分别为 3.77、3.01、0.37 和 0.41 秒。嵌入水印耗时 3 个 epoch，移除水印耗时 30 个 epoch。该移除水印的惩罚将阻止攻击者窃取、改进并重新提交来自诚实矿工的 DL 模型。
引用
@article{arxiv.1904.07349,
title = {DLBC: A Deep Learning-Based Consensus in Blockchains for Deep Learning Services},
author = {Boyang Li and Changhao Chenli and Xiaowei Xu and Yiyu Shi and Taeho Jung},
journal= {arXiv preprint arXiv:1904.07349},
year = {2020}
}