联邦学习证明：一种新颖的能源回收共识算法
密码学与安全
2019-12-30 v1
摘要
工作量证明（PoW）是区块链中最流行的共识机制，其需要极其庞大的能源量，却除在矿工间确定记账权外无任何有用产出。为应对 PoW 的缺陷，我们提出一种新颖的能源回收共识算法，即联邦学习证明（PoFL），其中原本浪费于解决 PoW 中困难但无意义谜题的能源被重新投入联邦学习。联邦学习与 PoW 的一种趋势——矿池挖矿，在组织结构上具有天然契合。然而，区块链中数据用益权与所有权的分离导致模型训练与验证中的数据隐私泄露，偏离了联邦学习的初衷。为应对该挑战，提出了一种基于反向博弈的数据交易机制与一种隐私保护模型验证机制。前者可防范训练数据泄露，后者在保护任务请求者测试数据及矿池提交模型的隐私的同时验证训练模型的准确性。据我们所知，本文是首篇将联邦学习用作区块链工作量证明的工作。基于合成与真实世界数据的广泛仿真证明了我们所提机制的有效性与高效性。
引用
@article{arxiv.1912.11745,
title = {Proof of Federated Learning: A Novel Energy-recycling Consensus Algorithm},
author = {Xidi Qu and Shengling Wang and Qin Hu and Xiuzhen Cheng},
journal= {arXiv preprint arXiv:1912.11745},
year = {2019}
}