基于零知识证明和区块链的联邦学习激励方案 |
| |
引用本文: | 吴昊天,李一凡,崔鸿雁,董琳.基于零知识证明和区块链的联邦学习激励方案[J].信息网络安全,2024(1):1-13. |
| |
作者姓名: | 吴昊天 李一凡 崔鸿雁 董琳 |
| |
作者单位: | 1. 华南理工大学计算机科学与工程学院;2. 郑州信大先进技术研究院;3. 国家计算机网络与信息安全管理中心 |
| |
基金项目: | 国家重点研发计划[2022YFB2702503];;广东省自然科学基金[2021A1515011798]; |
| |
摘 要: | 在跨孤岛联邦学习中,各参与者对最终训练出的模型贡献各异,如何评估他们的贡献并给予适当激励,成为联邦学习研究中一项关键问题。目前的激励方法主要着眼于奖励有效模型更新的参与者,同时惩罚不诚实者,侧重于激励计算行为。然而,参与者所提供的数据质量同样影响学习效果,但现有方法未充分考虑数据质量,并缺乏鉴定数据真实性的手段。为提升激励的准确性,需对参与者数据质量进行评估。通过融合零知识证明与区块链技术,文章提出一种评估参与者数据质量的协议,构建了全新联邦学习激励方案。该方案可在不泄露明文数据的前提下,评估参与者所用数据集质量,通过区块链系统向合格参与者发放激励,拒绝不合格者。实验证实,在部分用户提供虚假数据的情况下,该方案仍能准确给出激励结果,同时提升联邦学习模型的准确率。
|
关 键 词: | 零知识证明 区块链 激励机制 联邦学习 数据质量评估 |
|
|