분산 연합 학습(DFL)의 서버리스 특성으로 인해 각 연합 라운드에서 특정 참여자에게 집계 역할을 할당해야 한다. 이 논문은 집계 노드가 악의적으로 변할 수 있는 가능성을 간과하는 기존 DFL 아키텍처의 문제점을 해결하기 위해, 과거 행동을 기반으로 집계자를 선택하기 전에 점수를 매기고 집계 후 감사를 수행하는 TrustChain이라는 DFL 구조를 제안한다. 제안된 방법은 블록체인, 이상 탐지 및 개념 변화 분석을 포함한 여러 원칙에 의존하며, 클라이언트 업데이트와 집계된 모델 간의 통계적 독립성을 Hilbert-Schmidt 독립성 기준(HSIC)을 사용하여 지속적으로 모니터링한다. 제안된 구조는 다양한 연합 데이터 세트와 여러 비잔틴 노드가 있는 공격 시나리오에서 평가되었다.
