韧性联邦链：将区块链共识转化为联邦学习的主动防御层
密码学与安全
2026-02-26 v1 人工智能
摘要
联邦学习（FL）已成为构建可信赖AI系统的关键范式，通过实现隐私保护的分布式模型训练。然而，FL高度易受到侵入性攻击，这些攻击危及模型完整性和数据保密性，由于传统数据检查方法不适用于其分散设计而更为严重。虽然将FL与区块链技术集成被提出来解决某些限制，但其针对侵入性攻击的潜力仍基本未被探索。本文引入韧性联邦链（Resilient Federated Chain, RFC），这是一种新型区块链启用FL框架，旨在增强对此类威胁的韧性。RFC基于现有的联邦学习证明架构，通过将其池化矿工机制的冗余性转化为可与强鲁健聚合规则结合的主动防御层。此外，该框架在其共识机制中引入了灵活的评估函数，允许针对不同攻击策略实现适应性防御。在各种侵入性情景下，对图像分类任务进行的广泛实验评估表明，RFC在与基线方法相比显著提高了韧性，为 securing 分布式学习环境提供了可行的解决方案。
引用
@article{arxiv.2602.21841,
title = {Resilient Federated Chain: Transforming Blockchain Consensus into an Active Defense Layer for Federated Learning},
author = {Mario García-Márquez and Nuria Rodríguez-Barroso and M. Victoria Luzón and Francisco Herrera},
journal= {arXiv preprint arXiv:2602.21841},
year = {2026}
}
备注
This work has been submitted to the IEEE for possible publication