OFL-W3：Web 3.0 上的单轮联邦学习系统
分布式、并行与集群计算
2024-08-15 v1
摘要
联邦学习（FL）解决了由数据孤岛带来的挑战，这些挑战源于隐私、安全法规和所有权问题。尽管存在这些障碍，FL 使这些孤立的数据存储库能够在不损害隐私或安全的情况下参与协作学习。同时，Web 3.0 中区块链技术和去中心化应用（DApp）的发展预示着网页开发中变革可能性的新时代。因此，将 FL 融入 Web 3.0 为通过协作学习克服数据孤岛的局限性铺平了道路。然而，鉴于以太坊（ETH）等核心区块链的交易速度限制以及智能合约的延迟，采用单轮 FL（将传统 FL 中的客户端-服务器交互最小化为单次交换）被认为更适合 Web 3.0 环境。本文提出了一种实用的 Web 3.0 单轮 FL 系统，称为 OFL-W3。OFL-W3 利用区块链技术，通过智能合约管理交易。同时，OFL-W3 利用星际文件系统（IPFS）结合 Flask 通信，来促进后端服务器操作以使用现有的单轮 FL 算法。通过激励机制的整合，OFL-W3 展示了 Web 3.0 上单轮 FL 的有效实现，为 AI 与 Web 3.0 结合研究提供了宝贵的见解和未来方向。
引用
@article{arxiv.2408.07096,
title = {OFL-W3: A One-shot Federated Learning System on Web 3.0},
author = {Linshan Jiang and Moming Duan and Bingsheng He and Yulin Sun and Peishen Yan and Yang Hua and Tao Song},
journal= {arXiv preprint arXiv:2408.07096},
year = {2024}
}
备注
VLDB 24 demo paper