Privacy and Security Requirements Challenges in Blockchain-Based Decentralized Federated Learning 分享

        本篇文章的主要内容是经典的IOT+FL+BC的模式，相较于其他类似研究的文章，本篇文章的亮点在于对过往模型的追随使用有向无环图技术（DAGs）。对于这个研究BL+FL方向的同学可能对DAGs不太熟悉，本篇文章还将对DAGs技术做一个简要讲解。

       introduction

        论文依旧从物联网技术目前存在的问题出发，首先是数据的井喷式增长，随后在此提出安全性以及隐私数据的敏感问题为下文引出FL及BL铺垫。下面简单介绍一下文章提到的问题，目前针对物联网设备产生的海量数据，我们主要的解决办法还是通过一个大而强的中心化计算机服务器对数据进行处理，单点计算就导致容错性以及网络隐私安全等方面产生较大问题。因此推出联邦学习这一技术，联邦学习因为将数据分散在各个节点种，这避免了单点故障带来的问题，同时本地训练也减少了数据安全问题发生的可能性，不过联邦学习依然有中心节点，即使本地节点不传输原始数据只传输训练数据，这一行为也会导致数据的泄露。结合BC的联邦学习应运而生。通常是利用区块链的不可篡改性将数据上链解决可溯源问题，本篇文章创造性提出了结合DAGs的系统。

        related work

    

        相关工作部分首先指出传统中心化学习模型的不足，特别是在数据隐私和安全性方面的脆弱性。作者引用了多个研究，强调了中心化系统在处理敏感用户数据时面临的风险，例如数据泄露和单点故障问题。这些问题在IoT环境中尤为严重，因为设备的异构性使得它们更容易受到攻击。
        联邦学习的引入：
        为了解决中心化模型的缺陷，研究者们提出了联邦学习（FL）。FL允许设备在本地训练模型，而无需将数据发送到中心服务器，从而减少了数据泄露的风险。然而，文章指出，尽管FL在保护隐私方面表现良好，但在去中心化环境中仍然存在协调和信任的问题。
        区块链的潜力：
        随后，作者引入了区块链技术，强调其在提供透明性、去中心化和不可篡改性方面的优势。区块链能够为联邦学习提供一个更可信的平台，确保设备之间的通信安全和可靠。通过区块链的智能合约和加密技术，可以增强系统的完整性和信任度。
        现有解决方案的局限性：
        相关工作部分还讨论了当前文献中提出的解决方案的局限性。例如，某些研究虽然在FL中引入了区块链，但未能有效解决模型版本控制的问题。传统的版本控制系统在去中心化环境中效率低下，难以适应FL的需求。
        引出论文的必要性：
        在总结现有研究的不足后，文章明确了本研究的必要性。作者提出了一种基于区块链的去中心化联邦学习框架，旨在解决隐私和信任问题，同时引入需求工程（RE）方法，以确保用户需求得到充分考虑。通过使用有向无环图（DAG）来管理模型版本，文章进一步强调了其创新性和实用性

        为什么使用DAGs不用区块链的可溯源

        我相信这部分才是大家阅读这篇论文的原因，针对这个问题，我做出以下解释：  

        更高的效率：DAG的无环结构比区块链的链式结构更适合于去中心化联邦学习的场景，可以更高效地维护多个模型的版本历史。这有助于提高模型更新和回滚的效率。
        更好的可管理性：DAG能够更好地管理模型版本，提供对之前版本的可追溯性。在提出的框架中，DAG负责维护每个IoT设备本地模型在区块链上的版本历史。
        更灵活的结构：DAG支持多分支结构，能够更好地适应去中心化联邦学习中同时维护多个模型的需求。这种灵活的结构有利于提高系统的可扩展性。
        更强的可审计性：根据智能合约中定义的规则，模型历史被维护在DAG中。这确保了在需要回滚或审计时可以访问之前的版本，提高了系统的可审计性

        DAGs的简单讲解

        有向无环图（Directed Acyclic Graph, DAG）是一种特殊的图数据结构，它由一组顶点（节点）和一组有向边组成。DAG有以下特点： 有向：图中的每条边都有方向，从一个节点指向另一个节点。
        无环：图中不存在任何环路，即不存在一个节点可以通过沿着边的方向回到自己。
        DAG可以用来表示各种数据之间的依赖关系。下面我们通过一个生动的例子来解释DAG的概念。 假设你是一个项目经理，需要管理一个软件开发项目。项目中有多个任务需要完成，每个任务都有一些前置任务，必须先完成前置任务才能开始当前任务。我们可以用DAG来表示这些任务之间的依赖关系。
       

        主要工作

        总的来讲这是一篇综述类文章，只是提出一个方向，但是没有具体实验以及数据支撑，可以当做一个简单了解联邦学习加区块链这一方向的综述来看。