软件学报

作者：吴柿红，田有亮

单位：吴柿红，公共大数据国家重点实验室(贵州大学), 贵州 贵阳 550025;贵州大学 计算机科学与技术学院, 贵州 贵阳 55002511,田有亮，公共大数据国家重点实验室(贵州大学), 贵州 贵阳 550025;贵州大学 计算机科学与技术学院, 贵州 贵阳 550025;贵州大学 密码学与数据安全研究所, 贵州 贵阳 55002502

关键词：联邦学习;博弈论;囚徒合约;背叛合约;数据完整性

基金：国家自然科学基金(61662009,61772008);贵州省科技重大专项(20183001);国家自然科学基金联合基金(U1836205);贵州省科技计划(黔科合基础[2019]1098);贵州省高层次创新型人才项目(黔科合平台人才[2020]6008);贵阳市科技计划(筑科合[2021]1-5)

联邦学习作为解决数据孤岛问题的有效方法,在服务器计算全部梯度的过程中,由于服务器的惰性和自利性会存在全局梯度不正确计算问题,因此需要验证全局梯度的完整性.现有的基于密码算法的方案验证开销过大.针对这些问题,提出一种理性与可验证的联邦学习框架.首先,结合博弈论,设计囚徒合约与背叛合约迫使服务器诚实.其次,所提方案使用基于复制的验证方案实现全局梯度的完整性验证,且支持客户端离线.最后,经分析证明所提方案的正确性,并经实验表明,该方案与已有的验证算法相比,客户端的计算开销降为0,一次迭代的通信轮数由原来的3轮优化到2轮,且训练开销与客户端的离线率成反比.

来源：2024年第3期

《软件学报》期刊编辑部

查看软件学报杂志2024年第3期