随着当前技术的发展,选择性收集数据已成为人工智能大数据分析的新时代.这意味着安全地访问实际分析所需要的特定信息,而不是收集所有可能的数据来为分析提供支持.目前,学术界和工业界共同努力建立分布式的隐私保护分析模型.联邦学习(Federated Learning,FL)是一种新的分布式机器学习框架,它通过允许跨本地节点训练模型,解决本地数据集访问权限方面的隐私挑战.为了实现大数据分析隐私保护需求,文章提出了一种基于区块链的分布式联邦学习模型.在去中心化的联邦学习框架中,传统中心控制节点从学习过程中剔除,通过客户端之间相互协作来完成全局模型训练.为了检测客户端的数据中毒攻击对模型训练的影响,文章分析了去中心的FL训练过程端到端学习特点,设计区块链认证检测机制保护模型训练而不受中毒攻击.
NETL
NSTL
万方数据
维普
