iDML: Incentivized Decentralized Machine Learning

要約

【タイトル】
iDML：インセンティブ付き分散型機械学習

【要約】
・分散型および機会主義アプローチにより、エンドデバイスは、自身で収集したクラウドソースのデータを使用して、オンデバイスで深層学習モデルのトレーニングに対応する必要が増しています。

・これらのアプローチは、リソース消費の観点から望ましく、さらにプライバシー保護の観点からも望ましいものです。

・デバイスが直接トレーニングされたモデルの恩恵を受ける場合、インセンティブは暗黙的であり、協力によって生じるより高い精度のモデルの可用性により、リソースの提供にインセンティブが付けられます。

・ただし、エンドユーザーデバイスに対して、他の誰かのために主にタスクを実行するためにリソース（計算、通信、およびデータ）を提供するように求めた場合は、明示的なインセンティブメカニズムを提供する必要があります。

・このプロジェクトでは、完全に分散型の機会主義学習アーキテクチャに対するブロックチェーンベースのインセンティブメカニズムを提案しています。

・ スマートコントラクトを活用して、エンドデバイスに明示的なインセンティブを提供するだけでなく、学習アーキテクチャの行動を検査し反映する完全に分散型のメカニズムを作成することができます。

要約(オリジナル)

With the rising emergence of decentralized and opportunistic approaches to machine learning, end devices are increasingly tasked with training deep learning models on-devices using crowd-sourced data that they collect themselves. These approaches are desirable from a resource consumption perspective and also from a privacy preservation perspective. When the devices benefit directly from the trained models, the incentives are implicit – contributing devices’ resources are incentivized by the availability of the higher-accuracy model that results from collaboration. However, explicit incentive mechanisms must be provided when end-user devices are asked to contribute their resources (e.g., computation, communication, and data) to a task performed primarily for the benefit of others, e.g., training a model for a task that a neighbor device needs but the device owner is uninterested in. In this project, we propose a novel blockchain-based incentive mechanism for completely decentralized and opportunistic learning architectures. We leverage a smart contract not only for providing explicit incentives to end devices to participate in decentralized learning but also to create a fully decentralized mechanism to inspect and reflect on the behavior of the learning architecture.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI