文章：Privacy-PreservingByzantine-RobustFederatedLearningviaBlockchainSystems背景原因解决方案工作贡献成果预备知识联邦学习投毒攻击投毒攻击分类数据投毒和模型投毒攻击同态加密系统模型威胁模型核心系统算法局部计算局部梯度归一化判断梯度权重聚合算法会议来源：IEEETRANSACTIONSONINFORMATIONFORENSICSANDSECURITY,VOL.17,2022背景原因1.分布式机器学习在海量数据上实现了更大模型的训练，但仍然容易受到安全和隐私泄露的影响2.保护隐私的联邦学习方案之一是使用同态加密方案(如Paill
这是发表在2022IEEETRANSACTIONSONINFORMATIONFORENSICSANDSECURITY（TIFS）上的一篇文章目录abstract主要贡献II.RELATEDWORKB.Blockchain-BasedFederatedLearningIII.PRELIMINARIESA.FederatedLearningB.PoisoningAttacksCheon-Kim-Kim-Song（AFHEsheme）智能合约IV.PROBLEMFORMULATIONB.问题定义C.威胁模型D.设计目标方案设计B.ConstructionofPBFL本地计算归一化判断模型聚合max函
文章目录摘要1、介绍1.1八卦协议和拜占庭攻击者1.2我们的研究结果1.3相关工作2、初步和标记3、拜占庭弹性网络3.1概述3.2双链同步3.3同步功能3.4同步协议4.安全证明4.1膨胀器抵抗顶点删除4.2同步协议安全5.完全确保pos共识5.1衔尾蛇5.2扩散vs.同步5.4多时代普拉斯摘要点对点通信网络最成功的应用之一是在区块链协议上下文中，用中本聪自己的话说，这种协议依赖于“信息易于传播和难以抑制的特性”。在过去的十年中，人们投入了大量的精力来分析这些协议的安全性，而众所周知的最长链中本式共识的安全性论证总是使用这一原则的理想化。不幸的是，区块链协议所使用的peer-topeer-绯闻
一开始接触区块链技术，只是出于工程问题的需要，结果后来学术问题也要走这个方向了。机缘巧合定了共识问题为现在的研究方向，主要考虑大网络中的共识，也就是有关区块链扩容的部分。后续我应该也希望好好写一些区块链的扩容问题的专题。但总之，万变不离其宗，实用拜占庭容错共识算法我想一定是共识领域里逃不开的一篇文章。1.介绍researchgap现有的算法主要是基于同步网络的假设现有的算法在不太实用slow（之前的bft共识的通信复杂度大概在指数量级，根本没法用）本文的贡献在部分异步模型的假设下，提出一种兼具安全性和活性的共识算法/状态复制算法，容错率为1/3，通信复杂度降到多项式级（一般过程为平方阶视图切换
个人阅读笔记，如有错误欢迎指出！会议：Usenix2020 [1911.11815]LocalModelPoisoningAttackstoByzantine-RobustFederatedLearning(arxiv.org)问题： 模型攻击对拜占庭鲁棒性联邦学习的攻击效果尚未清楚创新点： 1、基于不同防御方法，设计了具有针对性的模型攻击方式 2、概括了基于错误率以及基于损失函数的防御方法，测试了两种防御方法的效果。方法： 攻击场景：trainingphase中对基于本地训练数据的模型在训练过程中进行攻击 攻击者的要求：控
文章目录标题摘要1介绍2相关工作3综述3.1系统模型和假设3.2Gosig协议概述4Gosig协议设计4.1消息和状态定义4.2第一阶段：区块提案4.3第二阶段：签名收集4.4安全分析5项关键性能优化5.1传输管道：挑战2解决方案5.2任意顺序聚合签名八卦：挑战3解决方案5.3处理特殊情况6评估6.1评估设置6.2真实280节点测试台性能6.35K-nodeEmulation整体性能。6.410K节点模拟标题Gosig：联盟区块链的可扩展和高性能拜占庭共识偷懒式阅读法：先整体拿软件翻译，再在课上对照英文阅读。摘要现有的拜占庭容错(BFT)协议在安全性、可扩展性、吞吐量和延迟方面面临重大挑战。我
Privacy-PreservingByzantine-RobustFederatedLearningviaBlockchainSystems可译为“利用区块链实现隐私保护的拜占庭鲁棒性联邦学习”这篇是今年八月份被TIFS2022（CCFA）收录的文章，写的利用全同态加密和区块链技术解决联邦学习中隐私问题和可信问题（虽然区块链仅仅只是存储的作用，也稍微提了一下）。精读完这篇文章，整体感觉还不错，毕竟是CCFA类期刊。下面是自己读后感，根据自己的语言来做了一些笔记，也相当于回顾。其中，有理解不到位的地方望指正，建议读者还是看原文。原文链接：Privacy-PreservingByzantine-
Privacy-PreservingByzantine-RobustFederatedLearningviaBlockchainSystems可译为“利用区块链实现隐私保护的拜占庭鲁棒性联邦学习”这篇是今年八月份被TIFS2022（CCFA）收录的文章，写的利用全同态加密和区块链技术解决联邦学习中隐私问题和可信问题（虽然区块链仅仅只是存储的作用，也稍微提了一下）。精读完这篇文章，整体感觉还不错，毕竟是CCFA类期刊。下面是自己读后感，根据自己的语言来做了一些笔记，也相当于回顾。其中，有理解不到位的地方望指正，建议读者还是看原文。原文链接：Privacy-PreservingByzantine-
