Trust and Resilience in Federated Learning Through Smart Contracts Enabled Decentralized Systems

要約

この論文では、信頼性を確保し信頼性を高めるための分散型アーキテクチャの使用に基づいたフェデレーテッド ラーニング (FL) システムの研究を紹介します。
このシステムは、FL の協力者が (暗号化された) モデル パラメーターを惑星間ファイル システム (IPFS) にアップロードし、専用のスマート コントラクトと対話してその動作を追跡するという考えに基づいています。
このスマート コントラクトのおかげで、パラメータ更新のフェーズが効率的に管理され、データ セキュリティが強化されます。
私たちは、2 つの異なる重み集計方法、つまり、古典的な平均化スキームとフェデレーテッド近接集計を利用する実験研究を実行しました。
結果により、提案の実現可能性が確認されました。

要約(オリジナル)

In this paper, we present a study of a Federated Learning (FL) system, based on the use of decentralized architectures to ensure trust and increase reliability. The system is based on the idea that the FL collaborators upload the (ciphered) model parameters on the Inter-Planetary File System (IPFS) and interact with a dedicated smart contract to track their behavior. Thank to this smart contract, the phases of parameter updates are managed efficiently, thereby strengthening data security. We have carried out an experimental study that exploits two different methods of weight aggregation, i.e., a classic averaging scheme and a federated proximal aggregation. The results confirm the feasibility of the proposal.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google