Liwei Ouyang, et al. 2023の輪読資料
cf.
作業
ブロックチェーンの説明を追加
10分に収まるよう取捨選択
イメトレ
公正で安定した記録システム
改ざんや障害発生に強い
記録の複製を複数の参加者が保持する
参加者が脱落してもシステムは動く
スマートコントラクト
ブロックチェーン上で
事前に定めた内容で契約し,取引を実行
条件を満たすと自動で実行
不正や改ざんを防ぎ,効率的な取引を実現
冒頭
本論文はFLにブロックチェーンを適用し,セキュリティやプライバシの向上を図ります
またブロックチェーンシステムについて,利用の際に生じる費用や計算時間の削減も目指します
課題
FLに不特定多数の,信頼できない参加者が存在する場合,悪意あるモデルの混入や,データの漏洩などの問題が考えられます
また,モデルのみを目的にするなど,学習に非協力的な参加者も考えられます
本稿はそれらの問題をブロックチェーン導入で解決します
具体的にはスマートコントラクトによる,参加者の自動的な取引で課題を改善します
手法
本稿はイーサリアムとIPFSによるフレームワークを作成し,課題の解決を目指します
イーサリアムは
ブロックチェーンを利用したシステムで,暗号通貨のプラットフォームでもあります
本稿ではスマートコントラクトとインセンティブを担当すると思われます
IPFSはファイルを共有するブロックチェーンシステムで,モデルの配布や統合などに寄与すると思われます
これら2つのシステムを利用し,二種類のスマートコントラクトによって,P2P上での参加者の識別とFLを行います
a. 識別
まず,識別用のスマートコントラクト,ISCで正しい参加者を識別し,FLの準備をします
参加者はISCで,相互に信頼できる相手をリスト化します
このリストを統合し,参加者はFLの参加者のリストを作成します。これがActive listです
b. fl
次に学習です
ここではCTSCというスマートコントラクトを用いて学習を行います
学習は次の4段階に別れます。
はじめに登録です
各参加者がシステムに預けた暗号通貨と,ローカルに保持する参加者一覧をCTSCに報告します
CTSCは参加者一覧を統合し,おそらく配布すると思われます
ここで怪しい参加者がいれば除外の準備をします
次に検証に使うデータを収集,統合して作成します
そして学習に移ります
学習は3段階に分かれます
各参加者はモデルを学習し,Vsetで検証します
学習と検証の結果をブロードキャストし,受け取った他のモデルを検証します
ここでも怪しい参加者を除外リストに入れます
次に参加者に報酬を与えるか判定します
先の除外リストを統合し,怪しいとされた回数を集計します
回数が閾値を超えた参加者は不参加者としてリストに加えます
超えない場合,正しい参加者としてリストに加えます
最後に正しいとされた参加者のみ使ってモデルを統合します
これによって怪しいモデルを含まずに統合します
融合は要修正
セキュリティプライバシは２つのスマートコントラクトで保証されます
深堀り対象について
ブロックチェーン上でのFLは,本稿ではスマートコントラストで実現されています
P2P上で合意を取り,統合していると思われます
合意アルゴリズムの詳細は不明です
セキュリティとプライバシー
IV項にどのように保証されているか記述がありましたが,イマイチ消化できていません
現状の理解では,漏洩によるプライバシーやセキュリティ保護の不備を参加者の識別や暗号化で防ぐと考えています
検証用のデータやモデルはIPFS上で共有され,ハッシュによってアクセスするはずです
広範というか,他と比較するとか,抽象的な説明が欲しかったですが見当たらないので,今一度IV節を読み込む予定です
また,暗号化手法の検討や,ブロックチェーン以外の,プライバシーやセキュリティを担保する手法との比較などが見られないのが気になります.こちらも今一度見直しますが,並行して他論文を読んで理解を深めます
FLについて
僕もデータサイロの解消は大きな目的だと考えている
それに加えてプライバシーの保護もきちんとしたい
多くの企業が参加できるシステムの構築を踏まえ,プライバシーやセキュリティはもちろん,インセンティブも考えたシステムを構築したい
FATEというフレームワークがその辺りを考えているらしいので一度使ってみたい