一种抗分布式机器学习恶意节点的区块链方案

现有的分布式学习方案大多通过在协议中添加惩戒机制来解决恶意节点问题。此类方法基于两个假设：一是参与方为自身利益最大化而放弃恶意行为的假设，在事件发生后才可以对计算结果进行验证，不适用于一些需要即时验证的场景；二是基于可信第三方的假设，然而在实际中第三方的可信度却无法完全保证。利用区块链的信任机制，针对该问题提出一种基于区块链的抗恶意节点方案——将机器学习中模型训练的全过程通过智能合约实现，以确保机器学习过程不被恶意节点破坏。本方案以基于安全多方计算的分布式机器学习模型为研究模型，利用区块链的智能合约来实现数据的共享、验证和训练过程，所有参与方均只能按照指定的协议执行，将所有参与方转换为半诚实参与方；同时，为解决区块链公开透明特性带来的隐私问题，利用环签名隐藏参与方的数据地址，保护参与方的身份。与传统基于安全多方计算的分布式机器学习模型进行比较，表明本方案在抵抗恶意节点方面具有较强的优越性。