GFL：一种基于区块链的去中心化联邦学习框架
机器学习
2021-04-14 v3 密码学与安全
分布式、并行与集群计算
摘要
联邦学习(FL)是一个快速发展的领域，已有许多集中式和去中心化FL框架被提出。然而，当前FL框架在提升通信性能的同时，维持恶意节点攻击下的安全性与鲁棒性面临巨大挑战。本文提出Galaxy联邦学习框架(GFL)，一种基于区块链的去中心化FL框架。GFL引入一致性哈希算法以提升通信性能，并提出一种新颖的环形去中心化FL算法(RDFL)以改善去中心化FL性能与带宽利用率。此外，GFL引入星际文件系统(IPFS)与区块链以进一步提升通信效率与FL安全性。我们的实验表明，在恶意节点的数据投毒与非独立同分布(Non-IID)数据集下，GFL提升了通信性能与去中心化FL性能。
引用
@article{arxiv.2010.10996,
title = {GFL: A Decentralized Federated Learning Framework Based On Blockchain},
author = {Yifan Hu and Yuhang Zhou and Jun Xiao and Chao Wu},
journal= {arXiv preprint arXiv:2010.10996},
year = {2021}
}