ScaleSFL：一种基于区块链联邦学习的分片解决方案
分布式、并行与集群计算
2022-04-05 v1 密码学与安全
摘要
近年来，随着数据隐私担忧加剧、机器学习进步与区块链创新，基于区块链的联邦学习受到显著关注。然而，安全与可扩展性方面的不足阻碍了实际应用的开发。本研究提出 ScaleSFL，一种可扩展的基于区块链的联邦学习分片解决方案。ScaleSFL 通过分离链下联邦学习组件以验证模型更新而非控制整个联邦学习流程，从而支持互操作性。我们使用 Hyperledger Fabric 将 ScaleSFL 实现为概念验证原型系统，以证明该方案的可行性。我们给出了通过 Hyperledger Caliper 基准测试工具在模型创建上收集结果的性能评估。评估结果表明，分片可在保持高效与安全的同时线性提升验证性能。
引用
@article{arxiv.2204.01202,
title = {ScaleSFL: A Sharding Solution for Blockchain-Based Federated Learning},
author = {Evan Madill and Ben Nguyen and Carson K. Leung and Sara Rouhani},
journal= {arXiv preprint arXiv:2204.01202},
year = {2022}
}