计算机应用研究

作者：徐浩曈,刘立新,王静宇,张晓琳,王永平,

单位：1.内蒙古科技大学信息工程学院,内蒙古包头014017；2.中国人民大学信息学院,北京100872；

关键词：区块链,联邦学习,公平,贡献评估,透明,隐私,

基金：国家自然科学基金资助项目(61662056)；内蒙古自治区自然科学基金资助项目(2019MS06001)；内蒙古高校科学研究项目(NJZY23076)；；

为了实现联邦学习中公平的收益分配，需要有一个指标来量化每个数据提供者对联合模型的贡献。针对现有的贡献评价方案存在的隐私泄露、不透明和依赖中心服务器等问题，提出一种基于区块链的透明的联邦学习贡献评价方案。首先，提出基于改进的Paillier安全聚合算法，通过联合解密避免了在模型聚合阶段对用户本地数据的推断。其次，提出一种基于用户累计提交的梯度来近似计算其贡献的方法，解决了现有贡献评估方案存在的隐私泄露问题。此外，将贡献的评估融入到区块链的共识过程中，使其评估结果具备了可审计性。最后，基于MNIST数据集进行的实验表明，所提出的方法可以有效地评估贡献。

来源：2023年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第8期