基于区块链的联邦学习: 模型、方法与应用

doi:10.16383/j.aas.c230336

CORC > 自动化研究所 > 中国科学院自动化研究所 > 学术期刊 > 自动化学报

	基于区块链的联邦学习: 模型、方法与应用
	李程; 袁勇; 郑志勇; 杨东; 王飞跃
刊名	自动化学报
	2024
卷号	50 期号:6 页码:1059-1085
关键词	区块链联邦学习智能合约机器学习隐私保护
ISSN号	0254-4156
DOI	10.16383/j.aas.c230336
英文摘要	近年来, 人类社会快速步入大数据时代, 数据安全与隐私保护已成为发展大数据生态及相关数字经济的关键问题. 联邦学习(Federated learning)作为分布式机器学习的一种新范式, 致力于在保护数据隐私的同时从分布式本地数据集中训练全局模型, 因而获得了广泛和深入的研究. 然而, 联邦学习体系面临的中心化架构、激励机制设计和系统安全等技术挑战仍有待进一步研究, 而区块链被认为是应对这些挑战的有效解决方案, 并已成功应用于联邦学习的许多研究和实践场景. 在系统性地梳理现阶段区块链与联邦学习集成研究成果的基础上, 提出基于区块链的联邦学习(Blockchain-enabled federated learning, BeFL)概念模型, 阐述其中的若干关键技术、研究问题与当前研究进展, 探讨该领域的应用场景以及有待进一步研究的关键问题, 并讨论未来发展的潜在方向, 致力于为构建去中心化和安全可信的数据生态基础设施、促进数字经济与相关产业的发展提供有益的参考与借鉴.
内容类型	期刊论文
源URL	[http://ir.ia.ac.cn/handle/173211/57735]
专题	自动化研究所_学术期刊_自动化学报
推荐引用方式 GB/T 7714	李程,袁勇,郑志勇,等. 基于区块链的联邦学习: 模型、方法与应用[J]. 自动化学报,2024,50(6):1059-1085.
APA	李程,袁勇,郑志勇,杨东,&王飞跃.(2024).基于区块链的联邦学习: 模型、方法与应用.自动化学报,50(6),1059-1085.
MLA	李程,et al."基于区块链的联邦学习: 模型、方法与应用".自动化学报 50.6(2024):1059-1085.