VeryFL：嵌入区块链的可验证联邦学习框架
机器学习
2023-11-28 v1 密码学与安全
摘要
区块链赋能的联邦学习（FL）近来引发了广泛研究。各种基于区块链的联邦学习算法、架构和机制已被设计出来，以解决集中式FL范式带来的单点故障和数据伪造等问题。此外，借助区块链更容易向节点分配激励。社区中已出现FedML等各种集中式联邦学习框架，以帮助推动FL研究。然而，基于区块链的去中心化联邦学习框架仍然缺失，这给研究者复现或验证基于区块链的算法性能带来了不便。受上述问题启发，我们通过嵌入以太坊网络设计并开发了一个基于区块链的联邦学习框架。本报告将介绍该框架的整体结构，其提出了FL与区块链结合的一种代码实践范式，同时兼容常规FL训练任务。除了在智能合约上实现一些区块链联邦学习算法以协助执行FL训练外，我们还提出了一种基于区块链和模型水印的模型所有权认证架构，以保护模型的知识产权。这些区块链上的机制展示了区块链对联邦学习的底层支持，以提供可验证的训练、聚合和激励分配流程，因此我们将该框架命名为VeryFL（嵌入区块链的可验证联邦学习框架）。源代码见 https://github.com/GTMLLab/VeryFL。
引用
@article{arxiv.2311.15617,
title = {VeryFL: A Verify Federated Learning Framework Embedded with Blockchain},
author = {Yihao Li and Yanyi Lai and Chuan Chen and Zibin Zheng},
journal= {arXiv preprint arXiv:2311.15617},
year = {2023}
}