A Differentially Private Blockchain-Based Approach for Vertical Federated Learning

要約

分散型アプリケーションに検証可能性とプライバシーの保証を提供する、Differentially Private Blockchain-Based Vertical Federation Learning (DP-BBVFL) アルゴリズムを紹介します。
DP-BBVFL は、スマート コントラクトを使用して、クライアントからの特徴表現、つまり埋め込みを透過的に集約します。
ローカル差分プライバシーを適用して、ブロックチェーンに保存された埋め込みのプライバシーを提供し、元のデータを保護します。
私たちは、垂直フェデレーテッド ラーニング向けに、ブロックチェーンを使用した差分プライバシーの最初のプロトタイプ アプリケーションを提供します。
医療データを使った実験では、DP-BBVFL がオンチェーン集約によるトレーニング時間のトレードオフを伴いながらも、高い精度を達成していることがわかりました。
DP-BBVFL における差分プライバシーとブロックチェーン テクノロジーのこの革新的な融合は、複数の分散アプリケーション ドメインにわたる協調的で信頼できる機械学習アプリケーションの新時代の到来を告げる可能性があります。

要約(オリジナル)

We present the Differentially Private Blockchain-Based Vertical Federal Learning (DP-BBVFL) algorithm that provides verifiability and privacy guarantees for decentralized applications. DP-BBVFL uses a smart contract to aggregate the feature representations, i.e., the embeddings, from clients transparently. We apply local differential privacy to provide privacy for embeddings stored on a blockchain, hence protecting the original data. We provide the first prototype application of differential privacy with blockchain for vertical federated learning. Our experiments with medical data show that DP-BBVFL achieves high accuracy with a tradeoff in training time due to on-chain aggregation. This innovative fusion of differential privacy and blockchain technology in DP-BBVFL could herald a new era of collaborative and trustworthy machine learning applications across several decentralized application domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google