Loading...
机构名称:
¥ 2.0

摘要虽然集中式服务器构成单一失败的风险,但通过在多个实体之间实施共识机制,诸如区块链之类的结构化方法提供了令人信服的解决方案。将分布式计算与加密技术合并,分散技术引入了一种新颖的计算范式。区块链通过跨网络节点的共识来验证和记录交易,确保安全,透明和防篡改数据管理。联合学习(FL)作为一个分布式机器学习框架,使参与者能够通过避免直接的原始数据交换来协作训练模型,同时可以保护数据隐私。尽管对分散方法的兴趣日益增加,但它们在FL中的应用仍未得到充实。本文对基于区块链的FL(BCFL)进行了彻底的调查,从而聚焦了区块链的安全功能与FL隐私保护模型培训功能之间的协同作用。首先,我们从三个方面介绍了BCFL的分类法,包括分散的,单独的网络和基于声誉的体系结构。然后,我们总结了BCFL系统的一般体系结构,提供了对区块链信息的FL体系结构的全面观点。之后,我们分析了BCFL在医疗保健,物联网和其他对隐私敏感区域的应用。最后,我们确定了BCFL的未来研究方向。

出现在KAIS ARXIV中:2403.19178V1 [CS.CR] 2024年3月28日

出现在KAIS ARXIV中:2403.19178V1 [CS.CR] 2024年3月28日PDF文件第1页

出现在KAIS ARXIV中:2403.19178V1 [CS.CR] 2024年3月28日PDF文件第2页

出现在KAIS ARXIV中:2403.19178V1 [CS.CR] 2024年3月28日PDF文件第3页

出现在KAIS ARXIV中:2403.19178V1 [CS.CR] 2024年3月28日PDF文件第4页

出现在KAIS ARXIV中:2403.19178V1 [CS.CR] 2024年3月28日PDF文件第5页

相关文件推荐

2024 年
¥5.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥3.0
2024 年
¥3.0