| 基于区块链的联邦学习研究进展 |
| |
| 引用本文： | 孙睿,李超,王伟,童恩栋,王健,刘吉强.基于区块链的联邦学习研究进展[J].计算机应用,2022,42(11):3413-3420. |
| |
| 作者姓名： | 孙睿 李超 王伟 童恩栋 王健 刘吉强 |
| |
| 作者单位： | 智能交通数据安全与隐私保护技术北京市重点实验室(北京交通大学), 北京 100044
北京交通大学 计算机与信息技术学院, 北京 100044 |
| |
| 基金项目： | 国家重点研发计划项目(2020YFB2103802);中央高校基本科研业务费专项资金资助项目(2019RC038) |
| |
| 摘 要： | 联邦学习（FL）是一种能够实现用户数据不出本地的新型隐私保护学习范式。随着相关研究工作的不断深入，FL的单点故障及可信性缺乏等不足之处逐渐受到重视。近年来，起源于比特币的区块链技术取得迅速发展，它开创性地构建了去中心化的信任，为FL的发展提供了一种新的可能。对现有基于区块链的FL框架进行对比分析，深入讨论区块链与FL相结合所解决的FL重要问题，并阐述了基于区块链的FL技术在物联网（IoT）、工业物联网（IIoT）、车联网（IoV）、医疗服务等多个领域的应用前景。
|
| 关 键 词： | 联邦学习 区块链 结构框架 融合应用 隐私保护 |
| 收稿时间： | 2021-11-14 |
| 修稿时间： | 2021-12-08 |
|
| 点击此处可从《计算机应用》浏览原始摘要信息 |
|
点击此处可从《计算机应用》下载全文 |
|
