基于全同态加密的去中心化理性联邦学习方案
来源：计算机应用与软件杂志2025年第12期北京时间：
作者：李秋贤, 周全兴, 丁红发, 樊玫玫
摘要：针对联邦学习过程中模型参数和数据隐私安全问题，基于区块链智能合约和Pedersen承诺技术，提出一种基于全同态加密的去中心化联邦学习方案，并利用博弈论设计联邦学习激励机制，通过效用函数激励协作节点积极参与模型训练，从而降低联邦学习过程中上传模型参数验证的通信成本。此外，为了验证方案的有效性，分别对节点模型训练的准确率、损失度、时间和通信消耗进行原型搭建，通过对传统和理性不同模型的训练节点进行模拟仿真，验证了所提联邦学习方案可有效降低任务训练过程模型验证的通信成本。
关键词：联邦学习, 区块链, 智能合约, 博弈论, 全同态加密
