基于区块链的联邦学习工作流程
| 阿里云国内75折 回扣 微信号：monov8 |
| 阿里云国际，腾讯云国际，低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号：monov8 飞机：@monov6 |
工作流程
1.初始化Initialization从预定义好的目标函数和全局梯度中随机选择参数。
2.本地模型更新Local model update终端设备根据所需的迭代次数来训练本地模型。
3.本地模型上传Local model upload矿工与终端设备进行绑定。终端设备上传本地模型参数给矿工同时上传相应的本地计算时间进行验证。
4.交叉验证Cross Verification矿工依次验证终端设备的模型参数和计算时间。计算时间是否与数据的大小成正比决定了模型参数的可靠性。验证后的数据存储在矿工的potential块中直到所有模型参数验证并存储在一个块中。
5.区块生成Block generation每一轮都会运行共识算法。当有获胜的矿工获得区块生成机会并生成候选块candidate block时便会停止共识算法同时强迫其他矿工停止竞争区块生成的机会。
6.区块传播Block propagation获胜的矿工将候选块作为新区块广播给所有参与方。如果验证无误系统中的所有矿工将新区块追加到本地的账本中。
7.全局模型更新Global model update被选择的矿工聚合所有本地模型参数然后将新的全区参数写入块中。
8.全局模型下载Global model download所有的终端设备从新区块中下载全局参数并决定是否进行下一轮。
分类
完全去中心化Fully decentralized:每个终端设备都有可能领导特定的一轮训练并发挥聚合器中心服务器的作用。可能性与所处理的资源成正比包括计算和存储性能、本地数据质量、网络稳定性等因素。
部分去中心化Partially decentralized:部分去中心化的FL允许一个选定的矿工或委员会达成共识并决定候选区块。
混合型Hybrid一些支持区块链的FL系统选择了灵活的共识算法例如基于委员会的算法这样既可以完全去中心化又可以部分去中心化这种情况下称为Hybrid。