委员会共识联邦学习框架

去中心抗拜占庭

该框架通过基于区块链的链下委员会共识机制实现去中心化的梯度验证与自适应聚合，无需中央服务器，在多种异构数据与攻击场景下均表现稳健。

Xu, Gang · Lele, Lei · Yanhui, Mao · 李宗鹏 · Chen, Xiubo · 张可佳

Journal of Network and Computer Applications 2025

技术优势

无需中央服务器

通过区块链链下委员会共识进行梯度验证和自适应聚合，消除了对中央服务器的依赖，避免了单点故障和信任问题。

训练更稳定

引入动量和自适应全局学习率机制，提高训练稳定性，减少振荡。

委员会更可靠

贡献与声誉系统增强了委员会成员的可靠性，确保验证质量。

应用场景

• 去中心化机器学习：去除中央协调者，让多方直接协作训练模型。
• 隐私保护协作计算：在协同计算中防御恶意梯度，保护数据隐私。
• 区块链安全：用区块链记录委员会共识，提供不可篡改的聚合审计。