iDML：激励式去中心化机器学习
机器学习
2023-04-12 v1 人工智能
分布式、并行与集群计算
摘要
随着去中心化与机会式机器学习方法的兴起，终端设备日益被赋予使用自身收集的众包数据在设备端训练深度学习模型的任务。这些方法从资源消耗与隐私保护角度看均具吸引力。当设备直接从训练模型中获益时，激励是内生的——协作产生的高精度模型可供使用，从而激励了贡献设备的资源。然而，当要求终端用户设备为主要造福他人的任务贡献其资源（如计算、通信与数据）时，例如训练某邻设备需要但设备所有者无兴趣的任务模型，则必须提供显式激励机制。本项目中，我们提出一种面向完全去中心化与机会式学习架构的基于区块链的新型激励机制。我们利用智能合约不仅为终端设备参与去中心化学习提供显式激励，也创建了一种完全去中心化的机制以检视并反思学习架构的行为。
引用
@article{arxiv.2304.05354,
title = {iDML: Incentivized Decentralized Machine Learning},
author = {Haoxiang Yu and Hsiao-Yuan Chen and Sangsu Lee and Sriram Vishwanath and Xi Zheng and Christine Julien},
journal= {arXiv preprint arXiv:2304.05354},
year = {2023}
}