BriefGPT - AI 论文速递
·
zkFL：基于零知识证明的联邦学习梯度聚合
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该研究提出了基于区块链的分散式联邦学习框架VBFL，利用区块链验证和权益证明共识机制提高了稳定性和精度。在MNIST分类仿真中，当有15%的恶意设备时，VBFL的准确率比Vanilla FL高7.4倍，可达87%。
🎯
关键要点
- 提出了基于区块链的分散式联邦学习框架VBFL。
- 引入去中心化验证机制以验证本地模型更新的合法性。
- 设计了专用的权益证明共识机制以提高稳定性和精度。
- 在MNIST分类仿真中，当有15%的恶意设备时，VBFL的准确率可达87%。
- VBFL的准确率比Vanilla FL高7.4倍。
➡️
