基于区块链的异步联邦学习的去中心化研究
密码学与安全
2022-05-23 v1 人工智能
分布式、并行与集群计算
网络与互联网体系结构
摘要
联邦学习（FL）部分得益于边缘计算范式的出现，有望在生产环境中实现真正的实时应用。然而，其最初对中央服务器进行编排的依赖在安全性、隐私性和可扩展性方面引发了一些担忧。为解决其中部分担忧，区块链技术有望为 FL 带来去中心化、鲁棒性和增强的信任。然而，通过区块链赋能 FL（也称为 FLchain）在账本不一致性和信息年龄（AoI）方面存在一些影响，这些影响自然继承自区块链完全去中心化的运作。此类问题源于以下事实：鉴于区块链中的临时账本版本，FL 设备可能使用不同的模型进行训练；并且鉴于 FL 操作的异步性，可能会生成过时的本地更新（使用过时模型计算）。在本文中，我们阐明 FLchain 设置的影响，并研究 AoI 和账本不一致性对 FL 性能的影响。为此，我们提供了一个忠实的仿真工具，能够捕捉 FLchain 操作的去中心化和异步特性。
引用
@article{arxiv.2205.10201,
title = {On the Decentralization of Blockchain-enabled Asynchronous Federated Learning},
author = {Francesc Wilhelmi and Elia Guerra and Paolo Dini},
journal= {arXiv preprint arXiv:2205.10201},
year = {2022}
}