TBFL：用可验证凭证把关联邦学习参与方身份

Rodrigo Tertulino 等作者发布论文 v2，提出 TBFL 框架：由可问责的权威机构向医院去中心化标识符签发可验证凭证，链上智能合约注册表只接纳持证方提交的模型更新，以此抵御联邦学习中的女巫攻击。 作者称，在本地节点上，链上检查使训练时间增加约 1%；费用使训练在公有主网上不可行，但在 rollup 上可负担。 该框架不能阻止持证医院翻转自身标签；门控之后再叠加坐标中位数（coordinate-wise median）则可同时抵御这两类问题。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。