ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

【论文】水文 - PIRATE: A blockchain-based secure framework of distributed machine learning in 5g networks

2021-12-17 21:02:29  阅读:177  来源: 互联网

标签:聚合 secure 梯度 模型 distributed 拜占庭 based 节点 分布式


PIRATE: A blockchain-based secure framework of distributed machine learning in 5g networks

主要贡献:

  • 5G时代,通信延迟和网络带宽不再是移动设备的瓶颈,每个移动设备都可参与分布式学习(可用性),分布式系统在上传本地模参和聚合模型过程中可能会遭受拜占庭攻击,模型安全成为新的问题;
  • 拜占庭攻防,本文提出基于区块链分片技术(sharding)的安全计算框架(PIRATE)

待解决的问题

  • 移动设备计算力足够,但因设备异构和网络环境一直是分布式学习的难关
    (异步联邦学习解决设备因异构同步训练导致的耗时等待问题 + 5G解决网络问题)
  • 理想的分布式学习(高可用性 + 高扩展性 + 去中心化 + 拜占庭弹性模型安全)
  • 在一个拜占庭弹性分布式机器学习中有两个风险:梯度聚合 + 模型参数
    传统中央服务器存在工作负载压力和单点故障SPOF(备份增加运营支出OPEX);
  • 聚合任务由分布式群体协作执行,一旦本地模型参数被某个节点污染,则本地模型参数的贡献量就会受到限制甚至可能会污染整个学习任务;
  • 为实现分布式学习的拜占庭回弹,就需要有一个状态复制机(SMR)协议,—区块链满足

5G时代分布式共识协议

共识协议分为2类:竞争类(链上先附加块再达成共识–高扩展性意味着高分叉)和通信类(先达成共识再附加块–基于确定性的方式来选择leader)
分片共识作为一种混合方式得益于通信的即时最终性和竞争的无许可弹性,可以实现在无许可链中的区块链中实现可伸缩共识。

执行分布式计算时,仅仅依靠诚实行为来评价不足够,因为节点的诚实行为并不能改变网络环境和计算能力,需要对整个训练过程的可靠性进行一致的评估,在我们的框架中应用一个许可版的分片共识协议。

分布式相比集中式的优点:
1、通信效率:去中心化更好利用带宽资源,避免交通堵塞,在对等节点之间共享工作负载;
2、成本效率:随着参与者的逐渐增加,单节点维护系统不现实(OPEX);
3、可靠性:SPOF

LearningChain:利用了区块链来保护梯度聚合和模型参数

贡献:

  1. 将梯度和参数存储在链上,利用区块链的可追溯性,恶意节点产生的全局模参可以回滚到出错前的状态(区块链的防篡改特性),
  2. 提出的拜占庭容错聚合算法是" l-nearest 梯度聚合"—降低他们生成的恶意梯度对模型聚合的影响;

待解决问题:

  1. 但其还是master/slaves模式,其参数服务器是通过PoW竞争选举的,
  2. 此外因为系统中所有节点都需要保存历史模型参数会导致链上数据过大,
  3. 可靠性方面:当连续的两个拜占庭leader共谋时,后续的第三个leader就检测不出来模型污染,问题就出在每次只有一个leader对更新进行校验,当其接受更新时校验立即终止;

梯度的拜占庭保护的研究

传统模型的线性聚合方式不能容忍一个拜占庭节点;
梯度聚合时的两种拜占庭保护方式:

【1】基于容错 – 一般只针对IID数据
  • Krum排除离大多数梯度较远的梯度并基于空间分数选择一个梯度、Multi-Krums取均值加快收缩进度、缺点是时间复杂度O(N2);
  • l-nearest基于余弦距离选择l个最近的梯度并聚合,时间复杂度O(N),缺点是如果有某一个拜占庭节点获知了其他所有节点的梯度,就可能伪造一个能进入全局模型的恶意梯度;
【2】基于检测
  • Anomaly Detection:由预先训练过的异常检测模型为每个计算节点分配一个信用评分。由于局部梯度的权重是由信用评分决定的,因此加权和聚合可以过滤掉拜占庭式的局部梯度。
【3】Learning to learn

将本地梯度更新当作RNN网络的输入,优化一个依赖原始问题轨迹的目标;

PIRATE(分片技术 + 异常梯度检测)

【1】准入控制

设备不稳定性要求有实时的可靠性评估来操作准入控制;
提出中心化的准入控制(计算能力、网络环境、加入或离开的可能性、历史诚信分数),一旦授权准入,可通过Bounded Cuckoo rule加入委员会;
训练过程中由委员会验证的分数会被传输进准入控制中心,低信用分节点会被剔除;

【2】去中心化的分片区块链保护机制???
  • 将计算节点随机分为不同的委员会中,聚合任务在不同的委员会之间进行,这样就可缓解中心化聚合的工作压力;
  • 一个委员会内部leader:选举C*C/N个梯度进行验证聚合 + 与邻居委员会聚合 全局共识:2(N/C - 1)步之后就是全局的聚合;
  • Hotstuff consensus protocol将共识过程分为4个步骤(PREPARE, PRE-COMMIT, COMMIT, DECIDE);
  • ?????具体四个步骤在本文感觉就是引用原论文话术,啥都没讲
【3】对比实验 LearningChain

在通信效率和存储复杂度方面做比对
1、同等迭代比梯度存储量;
2、相同节点数量比迭代次数;

标签:聚合,secure,梯度,模型,distributed,拜占庭,based,节点,分布式
来源: https://blog.csdn.net/sun_5flower/article/details/121954228

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有