FBChain：一种基于区块链的高效安全通信联邦学习模型
密码学与安全
2025-02-28 v3 机器学习
摘要
联邦学习参数传输过程中的隐私与安全是当前最受关注的问题之一。然而，无保护的通信方式导致了两个棘手问题：“参数泄露”与“通信低效”。本文提出一种基于区块链的联邦学习（FBChain）模型用于联邦学习参数通信，以克服上述两个问题。首先，我们利用区块链的不可篡改性，将全局模型与本地模型参数的哈希值存储其中，以防通信过程中被篡改，通过对参数加密保护数据隐私，并通过比对本地参数的哈希值验证数据一致性，从而解决“参数泄露”问题。其次，加权链路速度证明（PoWLS）共识算法综合选取加权链路速度较高的节点来聚合全局模型并打包区块，由此解决“通信低效”问题。实验结果表明，我们提出的 FBChain 模型是有效的，且能够提升联邦学习中的模型通信效率。
引用
@article{arxiv.2312.00035,
title = {FBChain: A Blockchain-based Federated Learning Model with Efficiency and Secure Communication},
author = {Yang Li and Chunhe Xia and Tianbo Wang},
journal= {arXiv preprint arXiv:2312.00035},
year = {2025}
}