当区块链遇上联邦学习，1+1＞2了吗？

工业物联网中的安全数据共享受到越来越多的关注，在这个背景下，大量基于区块链和联邦学习的数据共享机制被提出，如：

使用区块链和代理重加密技术的安全数据共享框架；

新的基于分级属性的加密算法，基于区块链将属性分配给授权中心，实现数据的安全共享；

在智能合约中嵌入访问控制规则，以控制用户对数据的访问，并将区块链划分为多个通道，以保护数据的私密性和安全性；

……

但如何确保数据共享过程的可靠性？一种将区块链和联邦学习相结合共同解决数据共享中的隐私保护问题的方案被适时提出。

1+1是否真的大于2了呢？

而事实上，基于该工作的Paper刊发后，短时间内已有超200的引用！可见该工作的前瞻性与影响力。也因此，人工智能领域科研大咖Wendy老师为大家直播精讲这篇论文：《Blockchainand Federated Learning for Privacy-Preserved Data Sharing inIndustrial IoT》

通过论文精读，带领大家掌握论文的创新精髓。

扫码获取免费听课名额

8月31日、9月1日晚19:30前沿论文精读直播

（一小时轻松读懂前沿Paper）

该方案的贡献体现在：

（1）将数据分享问题转化为机器学习问题，不再直接分享数据而是分享数据训练出的神经网络模型；

（2）提出了基于区块链的数据分享架构，降低数据泄露的风险，数据所有者可以控制共享数据的访问权限；

（3）整合了差分隐私和联邦学习以进一步保护数据隐私；

数据分享结构

方案的数据分享结构由两部分组成：

（1）许可链模块（permissionedblockchainmodule），许可链是区块链的一种；工业物联网中的终端设备作为区块链的节点，但由于大部分终端设备存储资源和计算资源有限，因此完整的区块链只保存在资源充足的超级节点（supernodes）中。

（2）联邦学习模块（federated learning module）；

扫码获取免费听课名额

8月31日、9月1日晚19:30前沿论文精读直播

（从前沿论文的精读中获取创新灵感）

那么在论文提出的方案中，数据处理的流程是怎么样的呢？

流程

（1）数据请求节点向临近的超级节点发送一项数据请求（a data sharing request）；

（2）超级节点去区块链上检索该请求之前是否被处理过，如果处理过，到（3），否则到（4）；

（3）在缓存节点中找到对应的模型M，并将模型发送给请求节点；

（4）执行多节点检索，找到全部具有相关数据的节点，组成委员会节点，然后委员会节点通过执行联邦学习得到全局模型M，将模型发送给请求节点同时在缓存节点中存储该模型；

（5）将本次交易记录上传到区块链中；

扫码获取免费听课名额

8月31日、9月1日晚19:30前沿论文精读直播

（更多论文解读请扫码领取）

读前沿Paper的一个重要作用是帮助我们找创新点和idea。创新点和idea不能凭空生成，也很难只在实验室里就能获得。多读前沿论文，多与其它科研工作者优秀的idea相碰撞，才更能产生自己的idea。

哪一个科研er 不想轻轻松松就找到创新点？科研er关心的问题之一是好发论文吗？

作为有多篇顶会论文在手的科研大咖-Wendy老师表示：区块链、联邦学习作为人工智能的热门方向，只要有研究成果，就很好发论文，所以各位科研er只要有好的创新，在这个方向做得好，冲顶会的几率很大！

扫码获取免费听课名额

8月31日、9月1日晚19:30前沿论文精读直播

（大咖带你发顶会！）

——

这次课程强烈建议对AI感兴趣或者已有一定基础并想用AI解决实际问题的学生以及想要发顶会论文的学生来听。

如果你刚好是这个方向的从业者，那么你一定不能错过，扫描上方海报中的二维码，锁定听课名额哦！

END