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。
主要关键词
![出现在KAIS ARXIV中:2403.19178V1 [CS.CR] 2024年3月28日PDF文件第1页](/bimg/8/8732a70cf05d0ede9a2957957abbe96fe753d3d4.webp)
![出现在KAIS ARXIV中:2403.19178V1 [CS.CR] 2024年3月28日PDF文件第2页](/bimg/8/81adcb04bae34d72664b60719d37587b69484f8d.webp)
![出现在KAIS ARXIV中:2403.19178V1 [CS.CR] 2024年3月28日PDF文件第3页](/bimg/1/17143e1d749e210211ab0f672f9118a516059747.webp)
![出现在KAIS ARXIV中:2403.19178V1 [CS.CR] 2024年3月28日PDF文件第4页](/bimg/a/a3042d56e80c04cba27457434bae5fcf5b82a94f.webp)
![出现在KAIS ARXIV中:2403.19178V1 [CS.CR] 2024年3月28日PDF文件第5页](/bimg/4/489774fd8b179547d22622999b143bfa02895b23.webp)
