ZK-HybridFL: Zero-Knowledge Proofs stärken dezentrale Federated Learning

Die neue Plattform ZK-HybridFL kombiniert die Vorteile von Directed Acyclic Graph (DAG)-Ledgers, dedizierten Sidechains und Zero-Knowledge Proofs (ZKPs), um die Skalierbarkeit, Sicherheit und Validierung von Modellupdates im Federated Learning (FL) zu verbessern.

ZK-HybridFL nutzt ein event‑gesteuertes Smart‑Contract‑System und eine oracle‑unterstützte Sidechain, um lokale Modellupdates zu prüfen, ohne sensible Daten preiszugeben. Durch einen eingebauten Challenge‑Mechanismus werden böswillige Aktivitäten effizient erkannt, während die ZKPs die Privatsphäre der Teilnehmer schützen.

In Experimenten mit Bildklassifikation und Sprachmodellierung zeigte ZK-HybridFL schnellere Konvergenz, höhere Genauigkeit, geringere Perplexität und niedrigere Latenz als die Konkurrenzlösungen Blade‑FL und ChainFL. Die Plattform bleibt robust gegenüber großen Anteilen an böswilligen oder inaktiven Knoten, ermöglicht On‑Chain‑Verifikationen in Untersekunden, nutzt Gas effizient und verhindert ungültige Updates sowie Angriffe im Stil von Orphanage.

Mit diesen Eigenschaften bietet ZK-HybridFL eine skalierbare und sichere Lösung für dezentrales Federated Learning in verschiedensten Einsatzumgebungen.