Krum 联邦链（KFC）：利用区块链防御联邦学习中的对抗性攻击
机器学习
2025-02-12 v1 人工智能
摘要
联邦学习是一种新兴的机器学习方法，使能在保护数据隐私的前提下跨去中心化设备进行协作模型训练。然而，其分布式特性使其易受到对抗性攻击。将区块链技术与联邦学习集成提供了增强安全性和数据完整性的可行途径。本文探讨了区块链在防御联邦学习对抗性攻击方面的潜力。首先，我们测试了 Proof of Federated Learning（PoFL），这是一种为联邦场景专门设计的众所周知的共识机制，作为防御机制，证明其在至少有一个矿工未被破坏的情况下对抗 Byzantine 攻击和后门攻击具有有效性。其次，我们提出了 Krum 联邦链（KFC），这是一种新型防御策略，将 Krum 与 Proof of Federated Learning 结合，可防御任何 Byzantine 或后门攻击配置，即使所有矿工均被破坏。我们的实验在图像分类数据集上验证了所提出方法的有效性。
关键词
引用
@article{arxiv.2502.06917,
title = {Krum Federated Chain (KFC): Using blockchain to defend against adversarial attacks in Federated Learning},
author = {Mario García-Márquez and Nuria Rodríguez-Barroso and M. Victoria Luzón and Francisco Herrera},
journal= {arXiv preprint arXiv:2502.06917},
year = {2025}
}
备注
Submitted to Neural Networks