基于区块链与权益证明的联邦学习框架 PoSFed

《Scientific Reports》：PoSFed: stake-aware validator selection and update filtering for blockchain-coordinated healthcare federated learning

　　

摘要

联邦学习能够在不集中存储敏感患者数据的情况下实现协作式模型训练，但依赖单一协调服务器可能会引入服务中断和更新完整性风险。我们提出了PoSFed，这是一个基于区块链的联邦学习框架，它结合了基于PoS（Proof of Stake）的验证者选择机制、验证者端的F1分数驱动的更新过滤机制以及考虑贡献程度的奖励分配机制。PoSFed在Pima Indian Diabetes、Wisconsin Breast Cancer和COVIDx CXR-4数据集上进行了评估，模拟了在5个、10个和20个客户端参与的情况下，分别在独立同分布（IID）、非独立同分布（non-IID）以及对抗性环境下的单服务器场景。当50%的模拟参与者提交恶意更新时，PoSFed的准确率达到了86.7±1.4%，F1分数达到了88.6±1.2%，显示出相较于传统联邦优化算法更好的鲁棒性。这些结果初步证明了在评估的模拟环境中实施基于权益的更新验证机制的可行性。然而，仍需要在实际的许可型区块链和地理分布式的医疗健康网络上对这一机制进行进一步验证。