该研究提出了基于区块链的分散式联邦学习框架VBFL，可以在稳定性上达到更高的精度。在MNIST分类的仿真结果中，当有15%的恶意设备存在时，VBFL可以实现87%的准确率，比Vanilla FL高7.4倍。

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%。