leo201313 / blockchain_with_go Goto Github PK

Hello！在您关于FL&BC的博客（https://www.krad.top/fl_plus_bc_summary/）中，感受到了独到的学术品位与见地，部分观点于我而言有很大的启发。对于“我认为不管是从数据安全，激励机制，共识算法还是其它角度引入BC，都应该注重实际部署，最后落到系统效率或安全性与资源消耗的tradeoff上进行讨论分析” 的权衡观念，更是尤为赞同。
然而，关于您提出的 “然而我认为现今FL的实际应用需求还没有发展到太关心本地模型透露隐私的阶段，而且本地模型透露的所谓隐私很多时候只是用户的偏好信息，往往不能透露具体的私人信息” 的讨论中，却有相左的观点。例如，在医疗敏感信息的应用场景中，医学图像作为可学习的隐私数据，在无差分隐私、同态加密的联邦学习过程中存在一定安全隐患 ；明文式模型参数的暴露增大了原始数据被反演的可能；此外，投毒攻击更是阻碍工业化场景中FL落地的巨石。相关观点是我从《Analyzing User-Level Privacy Attack Against Federated Learning》doi：https://doi.org/10.1109/JSAC.2020.3000372 得知的。恕我无法列举出有关FL中图像反演与其他攻击实例的最新论文.
故我认为学术界在FL方向上一开始就关注联邦过程中的安全隐私问题是相对正确的方向，在大模型大行其道的今天，利用分布式算力或许不是FL最大的卖点，但隐私保护却足够吸引眼球。分布式的学习范式加上不断垒高的攻击门槛，将是联邦-学习从被提出到被认可的关键。
此外，根据您的博客，我使用go语言复现了一个基础的区块链；这对我学习与了解它有着十足的帮助。
期待您更多更为精彩的博客内容！
                                                                                                                                                a  undergraduate student from southern China