29、区块链助力联邦学习与COVID - 19症状预测

区块链助力联邦学习与COVID - 19症状预测

1. BlockFLow联邦学习系统

在联邦学习场景中，会面临多种攻击，而BlockFLow系统在应对这些攻击方面表现出色。

1.1 贡献评分程序抵御攻击

• 对抗恶意模型提交 ：当有客户端提交对抗性或低质量模型时，诚实客户端在评估这些模型时会给出低分。由于诚实客户端占多数，中位数评分将来自诚实客户端，因此恶意客户端的模型得分必然较低，在奖励池中获得的份额也有限。
• 防范客户端合谋 ：少数不诚实客户端可能会在评估时合谋，为自己的模型打满分（1.0），给其他客户端（如诚实客户端）的模型打零分（0.0）。但由于恶意客户端严格少于半数，中位数评分仍会来自诚实客户端，合谋客户端无法实质性影响评估分数。而且，伪造评分会受到惩罚，贡献评分程序会根据与中位数评分差距最大的评估来限制整体得分，评估与中位数相差超过0.5的客户端，整体得分将为0，无法获得奖励池份额。

1.2 评估实验

使用逻辑回归模型（α = 1.0）在Adult Census Income（Adult）和The Third International Knowledge Discovery and Data Mining Tools Competition（KDD）分类任务上对BlockFLow进行评估。具体操作步骤如下：
1. 数据预处理 ：对所有离散特征进行独热编码，将连续特征全局且独立地缩放到0到1之间。
2. 数据划分