热点事件持续更新

AuditFL提出联邦学习可审计清算层

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Alexandros Balla 和 Spyros Lalis 提出并实现了 AuditFL，一种面向开放式联邦学习的智能合约清算层。它把训练和聚合留在链下，仅将模型内容标识符和经济状态写入链上，使协调器的轮次决策可追溯、可重放和审计。在采用 Dirichlet non-IID 划分的完整 MNIST 实验中，AuditFL 支持最多 200 个客户端进行 12 轮训练，并保持与普通联邦学习相同的学习轨迹。论文同时实现了确定性状态机原型和运行于本地 Anvil 链的 Solidity 合约；模型文件依赖一个被假定可靠的链下存储。

AI 根据报道生成 · 2 小时前更新

最新进展11月2日 13:00

AuditFL：面向开放式联邦学习的合约驱动可审计结算层

报道时间线

沿着报道，了解事件的不同侧面。

11月2日

13:00
arXiv · Machine Learning
AuditFL：面向开放式联邦学习的合约驱动可审计结算层
AuditFL 提出一种面向开放式联邦学习（FL）的合约驱动结算层，将训练与聚合保留在链下，通过链上记录内容标识符和经济状态，使协调器的轮次决策可追溯、可重放和审计。在 MNIST 非独立同分布（non-IID）实验中，系统支持最多 200 个客户端、12 轮训练，并保持 Plain FL 的学习轨迹。200 个客户端时，合约执行产生 5,026 笔交易，消耗 829.7M EVM gas。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。