可信多方计算与可验证仿真：一种可扩展的区块链方法
分布式、并行与集群计算
2018-09-25 v1 信息论
系统与控制
math.IT
机器学习
摘要
大规模计算实验常持续数周并基于大型数据集运行，广泛用于流行病学、气象学、计算生物学和医疗保健等领域，以理解现象并制定影响日常健康与经济的高风险政策。例如，OpenMalaria 框架是一种计算密集型仿真，被多个非政府与政府组织用来理解疟疾传播及干预策略有效性，并据此设计医疗政策。鉴于此类共享结果构成推断、技术设计与日常政策起草的基础，对计算进行验证与信任至关重要。尤其在涉及多个独立计算主体的多智能体环境中，对同伴生成结果的信任概念对促进透明、问责与协作十分关键。通过分布式验证原子计算块与基于区块链的不可变审计机制的新颖结合，本文提出一种通用分布式计算信任框架。特别地，我们利用有损压缩方案降低存储与通信开销，从而解决可扩展性问题。该框架不仅保证最终结果可验证，也保证局部计算有效，并通过训练神经网络的合成示例研究了其成本-收益权衡。
引用
@article{arxiv.1809.08438,
title = {Trusted Multi-Party Computation and Verifiable Simulations: A Scalable Blockchain Approach},
author = {Ravi Kiran Raman and Roman Vaculin and Michael Hind and Sekou L. Remy and Eleftheria K. Pissadaki and Nelson Kibichii Bore and Roozbeh Daneshvar and Biplav Srivastava and Kush R. Varshney},
journal= {arXiv preprint arXiv:1809.08438},
year = {2018}
}
备注
16 pages, 8 figures