FIDELIS：基于区块链的联邦学习防中毒攻击
密码学与安全
2025-08-15 v1 人工智能
摘要
联邦学习通过启用使用 IoT 设备私有数据的模型联合训练来增强传统深度学习。它确保了客户端的隐私，但在训练期间易受数据中毒攻击的威胁，这会降低模型性能和完整性。当前的联邦学习中毒检测方法缺乏标准化检测方法或对信任有较大保留。在本文中，我们提出了 \Sys，一套基于区块链的联邦学习中毒检测框架。该框架将全局服务器的角色去中心化到参与客户端之间。我们引入一个 judge model 用于检测模型更新中的数据中毒。每个客户端产生 judge model 并通过验证以达成对单一 judge model 的共识。我们实现了该解决方案，表明 \Sys 能抵御数据中毒攻击，且 judge model 的创建具有可扩展性。
引用
@article{arxiv.2508.10042,
title = {FIDELIS: Blockchain-Enabled Protection Against Poisoning Attacks in Federated Learning},
author = {Jane Carney and Kushal Upreti and Gaby G. Dagher and Tim Andersen},
journal= {arXiv preprint arXiv:2508.10042},
year = {2025}
}