FedPoP: Federated Learning Meets Proof of Participation
Created by
Haebom
Category
Empty
저자
Devri\c{s} I\c{s}ler (IMDEA Networks Institute - Universidad Carlos III de Madrid), Elina van Kempen (University of California, Irvine), Seoyeon Hwang (Stealth Software Technologies Inc.), Nikolaos Laoutaris (IMDEA Networks Institute)
개요
Federated learning (FL) 환경에서 클라이언트의 익명성과 개인 정보를 유지하면서, 참여 증명을 가능하게 하는 FedPoP 프레임워크를 제안한다. FedPoP는 광범위한 계산이나 공개 원장 없이, 비연동형 참여 증명을 가능하게 한다. 기존의 안전한 집계 프로토콜과 원활하게 통합되어 실제 FL 환경에 적용 가능하며, 현실적인 클라이언트 탈락 상황에서 실험적으로 평가되었다.
시사점, 한계점
•
시사점:
◦
FL 환경에서 모델 훈련 참여 증명 문제를 해결한다.
◦
클라이언트의 익명성과 개인 정보를 보존한다.
◦
광범위한 계산이나 공개 원장을 필요로 하지 않는다.
◦
기존의 안전한 집계 프로토콜과 호환된다.
◦
실제 FL 환경에 적용 가능한 성능을 보인다. (라운드당 0.97초 오버헤드, 참여 증명 시간 0.0612초)
