论文写作——系统模型

安全模型

Feserving

1. 先写论文中有多少个实体，如图所示。
2. 然后分别写这些实体拥有什么东西，能够利用这些东西干嘛，起到什么作用，使用什么东西，获得什么服务。
3. 讲了系统模型的工作流是怎么样的。根据图片，解释每个流程

pvCNN

1. 点出系统涉及的实体
2. 各个实体在现实中可能是什么实体，有什么动机，会做什么事情
3. 根据图示然后描述这些实体之间的工作流

Deepchain

解释每个在Deepchain中使用的概念和术语，然后再讲每个流程，这里有涉及了一些符号，比如模型参数$W$、交易$T{x}_{P_j}^i$等符号

golden Chain

1. 这里写了几个实体，每个实体在干嘛，并且有什么交互。
2. 接着这里提到公平性的保证很有挑战性，这里提到为什么有挑战性
3. 然后提到如何解决这个公平性问题

privacy-preserving and byzantine robust federated learning

1. 这里只涉及了两个实体
2. 对参与者进行说明，有N个参与者，共同训练模型，上传模型，每一次迭代收到自己份额的模型，然后重构，替换自己的本地模型，然后训练，训练结束之后，把更新的份额发送给三个服务器
3. 三个服务器执行隐私保护全局模型聚合，接收到本地参数之后，根据协议进行聚合，聚合之后将更新的模型发送给每个参与者

威胁模型

Deepchain

写出每个威胁，然后再写security goal

1. 威胁：上传模型参数，有可能泄露隐私；安全目标：那么就协同解密，然后有份额
2. 威胁：恶意参与者可能生成错误的梯度，干扰训练进程，获得错误的结果。解密的时候可能给出有问题的份额，然后提前终止训练，有可能延迟交易或者终止契约；安全目标：对梯度的搜集和参数更新进行审计；假设恶意客户端的数量，然后有正确性证明，确认是不是正确加密了梯度；进行公平性保证，通过交易惩罚和超时检查

Golden Chain

讲每个角色的可能是恶意还是可信的。为什么是这样子（从角色所处环境来说，可能收到控制，攻击）假如是作恶，指出作恶的动机（为什么这么做，可以获取什么利益）

FederalServing

对每个角色进行分析

1. 预测提供商：不会一起合谋，理智自私，最大化利益，输入的数据是好的
2. TEE：安全的，保证了机密性和完整性
3. 区块链：可信，可能遭受女巫攻击（女巫攻击大概做了什么事情）

pvCNN

1. 模型开发商：不可信，有可能做什么恶，对测试数据好奇，不考虑什么后门攻击
2. 服务提供商：有很强的计算能力，不相信他们，他们可能会窃取信息，不正确运行，可能会作恶。
3. 模型测试者：数据需要被保护，但是标签公开
4. 公共平台和未来使用者：诚实，然后传输通过安全的信道

privacy-preserving and byzantine robust federated learning

1. 参与者恶意的数量，有可能会实现什么攻击，恶意的参与者的目标是什么，恶意参与者可能每一轮都会在所有样本上进行攻击，每个攻击的方式是什么
2. 服务器：静态诚实大多数，最多一个恶意，有可能偏离协议，然后推断额外的信息；

总结：在什么环境中，可能做什么恶，会不会勾结，有可能实现什么攻击，作恶的目标是什么，这个攻击具体是怎么实现的，好奇信息，然后什么攻击不被考虑，信道是安全的

具体设计

pvCNN

先写总的概述，综述，大概是怎么设计的，然后再分小节具体写怎么设计

1. 概述：先写我们希望的零知识证明是怎么样的，需要达到什么要求，有两个需要满足的带你，然后如何对零知识证明进行优化（减少乘法门的数量和压缩多个证明）。然后接下来介绍零知识证明生成的线路图，也就是如何生成零知识证明（有一个图描述这个过程）。然后总结我们的工作量主要在两个地方；
2. （接着前面的内容细化）如何优化卷积关系：先写传统方法的计算复杂度太高，指出其不可行性，然后提出将卷积运算转化为单个矩阵乘法，降低复杂度，说明如何将QMP表达矩阵乘法，说明该方法适用于全连接层。
3. 如何生成整个零知识证明，要证明什么东西，定义证明的关系，如何生成证明，如何连接起来。
4. 解释如何降低存储和验证成本，将多个测试者的证明聚合为单一证明

Fedserving

1. 写出预测准确性受限制的两个原因，举一个例子引出场景，聚焦于聚合问题；要支持三种预测格式，因此文章要统一格式，给出算法，对算法进行解释，然后对损失函数的选择；
2. pricing机制的设计
   2.1 先点出为什么要这样子做，过滤不准确的预测，不能保证聚合结果准确，因此引出博弈论
   2.2 模型设定，根据博弈论定义参与者、策略、效用，用户模型等
   2.3 提出这个策略的设计目标
   2.4 将问题建模成优化问题，引入求解方法

GoldChain

引入要写具体的细节，包括什么部分，但是那个更重要

1. Benching Stage
   1.1 为什么需要：抛出问题，什么是交换公平性，为什么重要，如何确保模型评估者真实，如何保护模型隐私，最后提出解决方案。（为什么，要解决什么问题，如何解决）
   1.2 写总体的流程（可视化），然后提出挑战，如何确保提交的模型是一致的、如何认证样本，减少负担，如何确保没有被攻击影响
   1.3 简洁描述卖家注册过程，对术语进行定义，展开细节，如何操作将相信信息记录在区块链上展开
   1.4 简述需要评估模型性能，定义指标，然后说明数据集，具体指标计算，如何交互
   1.5 引入协议以及目标，写用什么技术，能提供什么作用，具体怎么操作
   1.6 回顾之前的问题，然后如何解决这个问题

privacy-preserving and byzantine robust federated learning

先写Overview，然后导出接下来要用的top-K协议，再写总体的流程，最后细化这两个重要的协议

BSR-FL

先写总的训练流程，然后把训练流程分为4个小部分，每个小部分进行细化，分成一个小节。