基于区块链的联邦学习模型聚合方案
Federated learning model aggregation scheme based on blockchain
南京邮电大学, 计算机学院, 南京 210023
摘要
传统的中心化联邦学习需要一个受信赖的中央服务器负责模型聚合，容易产生单点故障。现有的去中心化联邦学习方案则通常在每个迭代周期临时选举出一个节点负责模型的聚合，但不能保证被选节点的完全可信。为了解决上述问题，提出一种基于区块链的联邦学习模型聚合方案，把模型聚合工作交由众多矿工而非某个单一节点负责，矿工提出不同的候选聚合方案并生成相应区块，然后根据设计的准确率最高链原则确定主链，以达成节点之间的共识；同时，为了抑制恶意训练节点，提出基于质押“训练币”的训练节点选择方案，节点通过质押“训练币”获取参与训练的机会，系统根据模型贡献进行奖惩。仿真实验结果表明，当系统中恶意节点比例分别为10%、20%、30%时，本文方案所能达到的准确率比联邦平均(FedAvg)方案分别高8.64%、19.89%、22.93%，且在Non-IID数据训练场景下也有良好的表现。综上所述，本文方案提高了联邦学习聚合过程的可信度，并能同时保证联邦学习训练效果。
出版信息
DOI: 10.19734/j.issn.1001-3695.2023.12.0604
出版期卷: 《计算机应用研究》 优先出版, 2024年第41卷 第8期
发布历史
[2024-03-07] 优先出版
引用本文
罗福林, 陈云芳, 陈序, 等. 基于区块链的联邦学习模型聚合方案 [J]. 计算机应用研究, 2024, 41 (8). (2024-04-10). https://doi.org/10.19734/j.issn.1001-3695.2023.12.0604. (Luo Fulin, Chen Yunfang, Chen Xu, et al. Federated learning model aggregation scheme based on blockchain [J]. Application Research of Computers, 2024, 41 (8). (2024-04-10). https://doi.org/10.19734/j.issn.1001-3695.2023.12.0604. )
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
