深度学习证明：方法、挑战与未来方向
密码学与安全
2023-09-01 v1 人工智能
摘要
计算能力的提升带来了深度学习模型前所未有的性能增益。随着更多数据可用且模型架构愈发复杂，对更多计算能力的需求也随之增加。另一方面，自比特币作为首个加密货币引入以及区块链作为分布式账本的概念确立以来，已提出众多变体与方案。然而，它们许多有一个共同点，即工作量证明（Proof of Work, PoW）共识机制。PoW 主要用于支持新区块生成过程。尽管 PoW 已证明其鲁棒性，其主要缺点是需大量处理能力以维持区块链的安全与完整，这归因于采用暴力求解哈希谜题。为将可用计算能力用于有用且有意义的工作，同时保持区块链安全，已提出许多技术，其中之一称为深度学习证明（Proof of Deep Learning, PoDL）。PoDL 是一种将深度学习模型训练过程用作工作量证明以向区块链添加新区块的共识机制。本文中，我们综述 PoDL 的各类方法。我们讨论不同类型的 PoDL 算法、其优缺点及潜在应用。我们还讨论实现 PoDL 的挑战与未来研究方向。
引用
@article{arxiv.2308.16730,
title = {Proof of Deep Learning: Approaches, Challenges, and Future Directions},
author = {Mahmoud Salhab and Khaleel Mershad},
journal= {arXiv preprint arXiv:2308.16730},
year = {2023}
}