本文综述基于区块链的联邦学习框架，包括BlockFL、BDFL、VeryFL、SRB-FL、VBFL等，旨在解决去中心化、恶意客户端、激励机制与模型验证问题，并探讨联邦取消学习及区块链导致的模型陈旧与不一致影响，指出模型不一致可使准确率降低约35%。

本文研究了将FL协调工作外包到区块链等民主网络中的影响，通过仿真评估了区块链的FL运作在CIFAR-10数据集上的准确性和及时性。结果表明，模型不一致对模型的准确性有很大影响，这凸显了合理设计区块链系统的重要性。