理性与可验证的联邦学习框架

作     者：吴柿红 田有亮 WU Shi-Hong;TIAN You-Liang

作者机构：公共大数据国家重点实验室(贵州大学)贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 贵州大学密码学与数据安全研究所贵州贵阳550025 

基　　金：国家自然科学基金(61662009,61772008) 国家自然科学基金联合基金(U1836205) 贵州省科技重大专项(20183001) 贵州省科技计划(黔科合基础1098) 贵州省高层次创新型人才项目(黔科合平台人才6008) 贵阳市科技计划(筑科合1-5) 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2024年第35卷第3期

页      码：1418-1439页

摘      要：联邦学习作为解决数据孤岛问题的有效方法,在服务器计算全部梯度的过程中,由于服务器的惰性和自利性会存在全局梯度不正确计算问题,因此需要验证全局梯度的完整性.现有的基于密码算法的方案验证开销过大.针对这些问题,提出一种理性与可验证的联邦学习框架.首先,结合博弈论,设计囚徒合约与背叛合约迫使服务器诚实.其次,所提方案使用基于复制的验证方案实现全局梯度的完整性验证,且支持客户端离线.最后,经分析证明所提方案的正确性,并经实验表明,该方案与已有的验证算法相比,客户端的计算开销降为0,一次迭代的通信轮数由原来的3轮优化到2轮,且训练开销与客户端的离线率成反比.

主 题 词：联邦学习 博弈论 囚徒合约 背叛合约 数据完整性 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13328/j.cnki.jos.006819

馆 藏 号：203126673...