期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于贡献度证明共识机制的去中心化联邦学习框架
被引量：
4
1
作者
乔少杰
林羽丰
+6 位作者
韩楠
杨国平
李贺
袁冠
毛睿
元昌安
Louis Alberto GUTIERREZ
《软件学报》
EI
CSCD
北大核心
2023年第3期1148-1167,共20页
在大数据背景下,保证数据可信共享是数据联邦的基本要求.区块链技术代替传统的主从架构,可以提高联邦学习(federated learning,FL)的安全性.然而,现有工作中,模型参数验证与数据持久化所产生的巨大通信成本和存储消耗,已经成为数据联邦...
在大数据背景下,保证数据可信共享是数据联邦的基本要求.区块链技术代替传统的主从架构,可以提高联邦学习(federated learning,FL)的安全性.然而,现有工作中,模型参数验证与数据持久化所产生的巨大通信成本和存储消耗,已经成为数据联邦中亟待解决的问题.针对上述问题,设计了一种高效的去中心化联邦学习框架(efficient decentralized federated learning framework,EDFL),能够降低存储开销,并显著提升FL的学习效率.首先,提出了一种基于贡献度证明(proof-of-contribution)的共识机制,使得区块生成者的选举基于历史贡献度而不采用竞争机制,从而有效发避免了挖矿过程产生的区块生成延迟,并以异步方式缓解模型参数验证中的阻塞问题;其次,提出了一种角色自适应激励算法,因为该算法基于节点的工作强度和EDFL所分配的角色,所以能够激励合法节点更积极地进行模型训练,并有效地识别出恶意节点;再者,提出一种区块链分区存储策略,使得多重局部修复编码块(local reconstruction code)可被均匀地分布到网络的各个节点上,进而降低节点的本地存储代价,并实现了较高的数据恢复效率;最后,在真实的FEMNIST数据集上,对EDFL的学习效率、存储可扩展性和安全性进行了评估.实验结果表明,EDFL在以上3个方面均优于主流的基于区块链的FL框架.
展开更多
关键词
数据联邦
区块链
大数据安全管理
共识机制
存储策略
在线阅读
下载PDF
职称材料
题名
基于贡献度证明共识机制的去中心化联邦学习框架
被引量：
4
1
作者
乔少杰
林羽丰
韩楠
杨国平
李贺
袁冠
毛睿
元昌安
Louis Alberto GUTIERREZ
机构
成都信息工程大学软件工程
学院
成都信息工程大学管理
学院
西安电子科技大学计算机
科学
与技术
学院
矿山数字化教育部工程研究中心(中国矿业大学)
深圳大学计算机与软件
学院
广西
人机
交互与
智能
决策
重点
实验室
(
广西
科学院
)
Department of Computer Science
出处
《软件学报》
EI
CSCD
北大核心
2023年第3期1148-1167,共20页
基金
国家自然科学基金(61772091,61802035,61962006)
四川省科技计划(2021JDJQ0021,2022YFG0186,2021YZD0009,2021ZYD0033)
+2 种基金
成都市技术创新研发项目(2021-YF05-00491-SN,2021-YF05-02414-GX,2021-YF05-02413-GX,2021-YF05-02420-GX,2021-YF05-02424-GX)
成都市重大科技创新项目(2021-YF08-00156-GX,2021-YF08-00159-GX)
成都市“揭榜挂帅”科技项目(2021-JB00-00025-GX)。
文摘
在大数据背景下,保证数据可信共享是数据联邦的基本要求.区块链技术代替传统的主从架构,可以提高联邦学习(federated learning,FL)的安全性.然而,现有工作中,模型参数验证与数据持久化所产生的巨大通信成本和存储消耗,已经成为数据联邦中亟待解决的问题.针对上述问题,设计了一种高效的去中心化联邦学习框架(efficient decentralized federated learning framework,EDFL),能够降低存储开销,并显著提升FL的学习效率.首先,提出了一种基于贡献度证明(proof-of-contribution)的共识机制,使得区块生成者的选举基于历史贡献度而不采用竞争机制,从而有效发避免了挖矿过程产生的区块生成延迟,并以异步方式缓解模型参数验证中的阻塞问题;其次,提出了一种角色自适应激励算法,因为该算法基于节点的工作强度和EDFL所分配的角色,所以能够激励合法节点更积极地进行模型训练,并有效地识别出恶意节点;再者,提出一种区块链分区存储策略,使得多重局部修复编码块(local reconstruction code)可被均匀地分布到网络的各个节点上,进而降低节点的本地存储代价,并实现了较高的数据恢复效率;最后,在真实的FEMNIST数据集上,对EDFL的学习效率、存储可扩展性和安全性进行了评估.实验结果表明,EDFL在以上3个方面均优于主流的基于区块链的FL框架.
关键词
数据联邦
区块链
大数据安全管理
共识机制
存储策略
Keywords
data federation
blockchain
big data security management
consensus mechanism
storage strategy
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于贡献度证明共识机制的去中心化联邦学习框架
乔少杰
林羽丰
韩楠
杨国平
李贺
袁冠
毛睿
元昌安
Louis Alberto GUTIERREZ
《软件学报》
EI
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
