学习证明 (Proof of Learning, PoLe)：以区块链共识构建赋能机器学习
密码学与安全
2020-07-31 v1 机器学习
摘要
深度学习（DL）的进展，尤其是近期网络自动设计的发展，以高昂的计算成本为代价带来了前所未有的性能提升。另一方面，区块链系统为了从去中心化参与者构建工作量证明（PoW）共识，常规性地执行大量无实际用途的计算。在本文中，我们提出一种新的共识机制——学习证明（Proof of Learning, PoLe），它将用于共识的计算导向神经网络（NN）的优化。在我们的机制中，训练/测试数据被发布到整个区块链网络（BCN），共识节点在这些数据上训练 NN 模型，以此作为学习证明。当 BCN 上的共识认为某 NN 模型有效时，新区块被追加到区块链上。我们通过实验将 PoLe 协议与工作量证明（PoW）比较，表明 PoLe 能实现更稳定的区块生成速率，从而带来更高效的交易处理。我们还引入了一种新颖的防作弊机制——安全映射层（Secure Mapping Layer, SML），它可作为线性 NN 层直接实现。经验评估显示，SML 能以较小的预测性能代价检测出作弊节点。
引用
@article{arxiv.2007.15145,
title = {Proof of Learning (PoLe): Empowering Machine Learning with Consensus Building on Blockchains},
author = {Yixiao Lan and Yuan Liu and Boyang Li},
journal= {arXiv preprint arXiv:2007.15145},
year = {2020}
}
备注
11 pages,8 figures