利用区块链以数据为中心的联邦学习实现完整性保障
机器学习
2022-06-13 v1 人工智能
密码学与安全
摘要
机器学习能力已成为跨行业、应用与领域各种解决方案的关键组成部分。许多组织寻求在其业务服务中利用基于 AI 的解决方案，以解锁更高效率并提升生产力。然而，若缺乏用于 AI 模型训练、扩展与维护的优质数据，问题便会产生。我们提出了一种以数据为中心的联邦学习架构，由公有区块链与智能合约赋能，以克服这一重大问题。我们提出的方案提供了一个虚拟公共市场，开发者、数据科学家与 AI 工程师可发布其模型，并协作创建与访问用于训练的优质数据。我们通过激励机制度奖励贡献者的数据贡献与验证，从而提升数据质量与完整性。这些与所提框架相结合，在仅一个用户模拟的情况下，使训练数据集日均增加约 100 条输入，模型准确率提升约 4%。
引用
@article{arxiv.2206.04731,
title = {Leveraging Centric Data Federated Learning Using Blockchain For Integrity Assurance},
author = {Riadh Ben Chaabene and Darine Amayed and Mohamed Cheriet},
journal= {arXiv preprint arXiv:2206.04731},
year = {2022}
}
备注
Published at International Workshop on Trustable, Verifiable and Auditable Federated Learning in Conjunction with AAAI 2022 (FL-AAAI-22) https://federated-learning.org/fl-aaai-2022/