基于区块链技术保护机器人群体中联邦学习的安全性
机器人学
2024-09-04 v1
摘要
联邦学习是一种分布式机器学习方法，具有减少通信需求和分布式训练算法成本的潜在优势。因此，它在群体机器人应用中具有巨大的潜力。然而，联邦学习通常需要集中式服务器来聚合模型。在本文中，我们提出了一种在不牺牲去中心化的前提下，在机器人群体中实现联邦学习的概念验证实现。为此，我们使用区块链技术使机器人群体能够在不依赖中心服务器的情况下安全地同步共享模型，该模型是各个模型的聚合结果。我们表明，引入单个故障机器人可能严重扰乱训练过程。为防止此类情况，我们设计了通过安全和防篡改的区块链智能合约实现的保护机制。我们的实验在ARGoS中进行，这是一个用于群体机器人仿真的物理仿真器，使用由每个模拟机器人执行的以太坊区块链协议。
引用
@article{arxiv.2409.01900,
title = {Securing Federated Learning in Robot Swarms using Blockchain Technology},
author = {Alexandre Pacheco and Sébastien De Vos and Andreagiovanni Reina and Marco Dorigo and Volker Strobel},
journal= {arXiv preprint arXiv:2409.01900},
year = {2024}
}
备注
To be published in the Proceedings of the 17th International Symposium on Distributed Autonomous Robotic Systems (DARS 2024)