基于智能合约与奖励驱动方法的区块链联邦学习
密码学与安全
2022-03-29 v3 机器学习
摘要
近年来，在需要从数据中获取洞察同时保护数据提供方隐私的场景下，联邦机器学习持续获得关注与势头。然而，联邦学习落地面临的现有挑战之一，是缺乏公平、透明且被广泛认可的用于奖励联邦学习贡献者的激励方案。区块链网络上的智能合约可向网络所有参与者提供透明、不可变且可独立验证的证明。我们利用区块链上智能合约这种开放透明的性质，为贡献者定义激励规则，其基于一种新颖的标量量——联邦贡献（federated contribution）。这种基于智能合约的奖励驱动模型有潜力革新企业中的联邦学习应用。我们的贡献有两方面：一是展示基于智能合约的区块链如何成为联邦学习非常自然的通信渠道；二是借助该基础设施，展示如何构建每个智能体贡献的直观度量，并将其整合进训练与奖励流程的生命周期中。
引用
@article{arxiv.2107.10243,
title = {Federated Learning using Smart Contracts on Blockchains, based on Reward Driven Approach},
author = {Monik Raj Behera and Sudhir Upadhyay and Suresh Shetty},
journal= {arXiv preprint arXiv:2107.10243},
year = {2022}
}
备注
9 pages, 7 figures and 1 table