5、隐私保护的去中心化深度学习：基于区块链的安全AI企业解决方案

隐私保护的去中心化深度学习：基于区块链的安全AI企业解决方案

1. 引言

深度学习模型致力于在数据集中寻找复杂的非线性模式，这一目标在目标识别、样本合成、图像检索等众多领域已得到验证。然而，在许多应用中，安全和隐私是至关重要的问题。深度学习的进展高度依赖大数据资源，缺乏大量数据，训练出的深度模型将难以达到可接受的准确性和性能。但获取这些有价值的数据成本高昂且困难，大型公司掌握着大量数据，这使得初创企业和研究人员难以训练出高精度的深度模型。

此外，立法和行政部门的严格规定限制了终端用户数据的共享，普通个人也因担心隐私泄露而不愿分享个人数据。区块链技术为解决这些问题提供了可能，在这个新的去中心化生态系统中，人们可以在本地处理数据，仅共享深度学习的参数。区块链能够注册各种资产，具有将各类资产代币化的能力，机器学习和深度学习可以利用这一特性构建基础设施，实现多方之间深度模型的共享。

所提出的模型具有以下特点：
1. 每个计算合作伙伴可以在训练的任何阶段退出网络，并获得相应的奖励。
2. 恶意合作伙伴在未来的训练合作中，将被要求支付更多的深度学习币（DLC）作为惩罚。
3. 通过实施“了解你的客户”（KYC）措施，遏制恶意活动。
4. 利用恒星原生资产激励计算合作伙伴。

2. 相关工作

为了绕过隐私问题并鼓励个人通过共享数据参与模型训练，研究人员提出了一系列方法。早期的协作学习尝试之一是联邦深度学习，其中一个参数服务器通过接收参与方的梯度来更新模型参数，谷歌的DistBelief就是这种实现的一个例子。然而，在这种设计中，恶意行为者仍有可能从梯度特征中推断出一些私人信息。Weng等人设计的Deep chai