BAFFLE : 基于区块链的无聚合器自由联邦学习

联邦学习（FL）的一个关键方面是需要一个中心化的聚合器来维护和更新全局模型。然而，在许多情况下，由于众多操作限制，协调一个中心化的聚合器可能是不可行的。本文介绍了BAFFLE，一个无聚合器的、基于区块链的FL环境，具有内在的去中心化特性。BAFFLE利用智能合约（SC）来协调FL中的回合划分、模型聚合和更新任务。BAFFLE通过将全局参数空间分解为不同的块，然后使用评分和出价策略来提升计算性能。为了表征BAFFLE的性能，我们在一个私有以太坊网络上进行实验，并将中心化和聚合器驱动的方法作为基准。我们展示了与聚合器基方法的直接适配相比，BAFFLE显著降低了区块链上FL的燃气成本。我们的结果还表明，BAFFLE在实现类似准确性的同时，具有高可扩展性和计算效率。