当联邦学习遇见区块链：一种新型分布式学习范式
网络与互联网体系结构
2021-06-07 v2
摘要
受终端设备计算能力爆发式增长以及对共享敏感原始数据隐私担忧日益加剧的推动，一种名为联邦学习（FL）的新机器学习范式已经出现。通过在每个客户端本地训练模型并在中央服务器聚合学习模型，FL能够避免直接共享数据，从而减少隐私泄露。然而，传统FL框架严重依赖单一中央服务器，若此类服务器恶意行为则可能崩溃。为解决这一单点故障问题，本文研究了一种区块链辅助的 decentralized FL（BLADE-FL）框架，该框架能很好地防止恶意客户端毒化学习过程，并为客户端提供自驱动且可靠的学习环境。具体而言，模型聚合过程完全去中心化，且FL的训练任务与区块链的挖矿任务被整合到每个参与者中。此外，我们研究了该框架中的独特问题，并提供了分析和实验结果以阐明可能的解决方案。
引用
@article{arxiv.2009.09338,
title = {When Federated Learning Meets Blockchain: A New Distributed Learning Paradigm},
author = {Chuan Ma and Jun Li and Ming Ding and Long Shi and Taotao Wang and Zhu Han and H. Vincent Poor},
journal= {arXiv preprint arXiv:2009.09338},
year = {2021}
}