区块链赋能多边缘安全联邦学习模型
Blockchain-empowered multiple edge secure federated learning model
内蒙古科技大学 信息工程学院, 内蒙古 包头 014010
摘要
联邦学习是一种革命性的深度学习模式，可以保护用户不暴露其私有数据，同时合作训练全局模型。然而某些客户端的恶意行为会导致单点故障以及隐私泄露的风险，使得联邦学习的安全性面临极大挑战。为了解决上述安全问题，在现有研究的基础上提出了一种区块链赋能多边缘联邦学习模型。首先，通过融合区块链替代中心服务器来增强模型训练过程的稳定性与可靠性；其次，提出了基于边缘计算的共识机制，以实现更加高效的共识流程；此外，将声誉评估融入到联邦学习训练流程中，能够透明地衡量每一个参与者的贡献值，规范工作节点的行为。最后通过对比实验证明，所提方案在恶意环境下仍然能够保持较高的准确度，与传统的联邦学习算法相比，该方案能够抵抗更高的恶意比例。
基金项目
内蒙古自然科学基金资助项目(2021LHMS06003)
内蒙古高校基本科研业务费资助项目(114)
出版信息
DOI: 10.19734/j.issn.1001-3695.2023.05.0208
出版期卷: 《计算机应用研究》 印刷出版, 2024年第41卷 第1期
所属栏目: 区块链技术
出版页码: 26-31
文章编号: 1001-3695(2024)01-004-0026-06
发布历史
[2023-09-13] 优先出版
[2024-01-05] 印刷出版
引用本文
姜晓宇, 顾瑞春, 张欢. 区块链赋能多边缘安全联邦学习模型 [J]. 计算机应用研究, 2024, 41 (1): 26-31. (Jiang Xiaoyu, Gu Ruichun, Zhang Huan. Blockchain-empowered multiple edge secure federated learning model [J]. Application Research of Computers, 2024, 41 (1): 26-31. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
