基于区块链的云上机器学习：一种安全、可验证且公平地外包线性回归用于数据分析的方法
密码学与安全
2021-11-23 v2
摘要
线性回归（LR）是一种经典的机器学习算法，在信息物理社会系统（CPSS）中有许多应用，以塑造并简化我们的生活、工作与通信方式。本文关注当线性回归被应用时 CPSS 的数据分析。LR 的训练过程耗时，因其涉及复杂矩阵运算，尤其在 CPSS 中获得大规模训练数据集时。因此，如何使设备高效执行线性回归的训练过程具有重要意义。为解决此问题，本文提出一种安全、可验证且公平的方法，将 LR 外包给不可信的云服务器。在所提方案中，计算输入/输出被混淆，从而敏感信息的隐私免受云服务器侵犯。同时，来自云服务器的计算结果可验证。此外，公平性由区块链保证，其确保云仅当正确执行外包工作负载时才获得报酬。基于所提方法，我们在以太坊区块链上构建了公平、安全的外包系统。我们从理论与实验上分析了所提方案，均表明该方案有效、安全且高效。
引用
@article{arxiv.2101.02334,
title = {Machine Learning on Cloud with Blockchain: A Secure, Verifiable and Fair Approach to Outsource the Linear Regression for Data Analysis},
author = {Hanlin Zhang and Peng Gao and Jia Yu and Jie Lin and Neal N. Xiong},
journal= {arXiv preprint arXiv:2101.02334},
year = {2021}
}