私たちは、地元のプライベートデータと関心のあるデータ所有者、つまりトレーナーの計算能力を利用してモデルをトレーニングしたいプロジェクト（モデル）オーナーを考慮しています。私たちの目標は、以下の5つの目的を同時に提供するための、そのような分散型協調/連合学習アプリケーションのためのデータマーケットプレイスを設計することです。i) トレーナーがトレーニングされたモデルへの貢献に基づいて補償されるように、貢献に基づく報酬配分の証明；ii) データ所有者からのデータ移動を避けることによるプライバシー保護の分散型モデルトレーニング；iii) 悪意のあるパーティ（例えば、モデルを毒することを目指すトレーナー）に対するロバスト性；iv) ゼロ知識証明を通じて、貢献評価や外れ値検出を含むデータ市場プロトコル内のすべての計算の整合性、すなわち正確性が検証可能であるという意味での検証可能性；v) 効率的かつ普遍的な設計。私たちは、上記の5つの目的を達成するためのブロックチェーンベースのマーケットプレイスデザインを提案します。私たちの設計では、プロジェクトオーナーとトレーナーの他に、分散ストレージインフラストラクチャと集約器を利用します。集約器は、トレーナーの貢献を評価し、外れ値を削除し、ハイパーパラメータを更新するなど、特定の計算を実行する処理ノードです。提案されたデータマーケットをブロックチェーンスマートコントラクトを通じて実行します。展開されたスマートコントラクトは、プロジェクトオーナーが支払いを逃れることができず、誠実なトレーナーがトレーニングの終了時にその貢献に基づいて報酬を受け取ることを保証します。最後に、提案されたデータマーケットの構成要素を実装し、広範な実験を通じて実際のシナリオでの適用性を示します。
出典 : chainopera.ai