基于智能合约实现的联邦学习信任与韧性
人工智能
2024-07-10 v1 机器学习
摘要
本文提出了一种基于去中心化架构的联邦学习(FL)系统，以确保信任并提高可靠性。该系统基于FL合作者将(加密)模型参数上传至星际文件系统(IPFS)并与专用智能合约交互以跟踪其行为。借助该智能合约，参数更新的各个阶段得以高效管理，从而加强数据安全。我们进行了实验研究，利用两种不同的权重聚合方法，即经典平均方案和联邦proximal聚合。结果确认了该方案的可行性。
引用
@article{arxiv.2407.06862,
title = {Trust and Resilience in Federated Learning Through Smart Contracts Enabled Decentralized Systems},
author = {Lorenzo Cassano and Jacopo D'Abramo and Siraj Munir and Stefano Ferretti},
journal= {arXiv preprint arXiv:2407.06862},
year = {2024}
}
备注
TRUSTCHAIN workshop