AuditFL: A Contract-Backed Clearing Layer for Open Federated Learning 封面
HuggingFace
论文2026-10-2…

AuditFL: A Contract-Backed Clearing Layer for Open Federated Learning

Federated learning (FL) keeps raw data local, but most deployments still rely on a trusted coordinator for client admission, checkpoint distribution, update collection, aggregation, and rewards. This paper presents Audi…

来源:HuggingFace Papers收录于 2026年11月3日

站内导读

中文

定位:AuditFL 是面向开放联邦学习的合约清算层,由论文作者提出,用于替代可信协调器,在去中心化场景下完成客户端准入、检查点分发、更新收集、聚合与奖励结算。

核心能力

  • 以智能合约承载客户端准入、检查点分发、更新收集、聚合与奖励发放五类协调职责。
  • 将训练过程的关键操作记录在链上,形成可审计的清算轨迹,减少对单一可信方的依赖。
  • 面向开放联邦学习设定,允许不预先互信的参与方按合约规则加入并提交更新。

适用人群:适合研究联邦学习去中心化协调机制的研究者与工程师,需了解区块链智能合约与联邦学习基本流程,并能阅读论文中的协议设计。

注意:内容来自论文摘要,完整机制与实验数据需查阅原文。

相关项目 · HuggingFace

查看全部「HuggingFace」项目 →