OmniLytics:一种基于区块链的分布式机器学习安全数据市场
摘要
我们提出 OmniLytics,一个基于区块链的面向机器学习应用的安全数据交易平台。借助 OmniLytics,许多分布式数据所有者可以贡献其私有数据,共同训练某模型所有者所请求的 ML 模型,并因数据贡献获得补偿。OmniLytics 在实现此类模型训练的同时,提供:1) 针对好奇数据所有者的模型安全性;2) 针对好奇模型与数据所有者的数据安全性;3) 对提供错误结果以毒化模型训练的恶意数据所有者的弹性;4) 对意图逃避付款的恶意模型所有者的弹性。OmniLytics 作为区块链智能合约实现,以保证付款的原子性。在 OmniLytics 中,模型所有者将其模型拆分为私有与公共部分,并将公共部分发布于合约上。通过合约执行,参与的数据所有者安全地聚合其本地训练的模型以更新模型所有者的公共模型,并通过合约获得报销。我们在以太坊区块链上实现了 OmniLytics 的可运行原型,并开展大量实验以测量其在不同参数组合下的 gas 成本、执行时间与模型质量。在 MNIST 数据集上训练 CNN 时,模型所有者在 500ms 的区块链处理时间内将其模型准确率从 62% 提升至 83%。这证明了 OmniLytics 实际部署的有效性。
引用
@article{arxiv.2107.05252,
title = {OmniLytics: A Blockchain-based Secure Data Market for Decentralized Machine Learning},
author = {Jiacheng Liang and Songze Li and Bochuan Cao and Wensi Jiang and Chaoyang He},
journal= {arXiv preprint arXiv:2107.05252},
year = {2021}
}
备注
An initial version of the article has been published in International Workshop on Federated Learning for User Privacy and Data Confidentiality in Conjunction with ICML 2021(http://federated-learning.org/fl-icml-2021/). This version has been submmited to AAAI'22