論文の概要: SettleFL: Trustless and Scalable Reward Settlement Protocol for Federated Learning on Permissionless Blockchains (Extended version)

• arxiv url: http://arxiv.org/abs/2602.23167v1
• Date: Thu, 26 Feb 2026 16:31:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.77393
• Title: SettleFL: Trustless and Scalable Reward Settlement Protocol for Federated Learning on Permissionless Blockchains (Extended version)
• Title（参考訳）: SettleFL: 寛容なブロックチェーン上でのフェデレーション学習のための信頼性とスケーラブルなリワード決済プロトコル(拡張バージョン)
• Authors: Shuang Liang, Yang Hua, Linshan Jiang, Peishen Yan, Tao Song, Bin Yao, Haibing Guan,
• Abstract要約: 本稿では,信頼できない,スケーラブルな報酬解決プロトコルであるSettleFLを紹介する。 相互運用可能な戦略としてCommit-and-ChallengeとCommit-with-Proofがある。 その結果,セトルフラは800人までスケールアップしても実用的であり,ガスコストは大幅に低減された。
• 参考スコア（独自算出の注目度）: 17.95957378837296
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In open Federated Learning (FL) environments where no central authority exists, ensuring collaboration fairness relies on decentralized reward settlement, yet the prohibitive cost of permissionless blockchains directly clashes with the high-frequency, iterative nature of model training. Existing solutions either compromise decentralization or suffer from scalability bottlenecks due to linear on-chain costs. To address this, we present SettleFL, a trustless and scalable reward settlement protocol designed to minimize total economic friction by offering a family of two interoperable protocols. Leveraging a shared domain-specific circuit architecture, SettleFL offers two interoperable strategies: (1) a Commit-and-Challenge variant that minimizes on-chain costs via optimistic execution and dispute-driven arbitration, and (2) a Commit-with-Proof variant that guarantees instant finality through per-round validity proofs. This design allows the protocol to flexibly adapt to varying latency and cost constraints while enforcing rational robustness without trusted coordination. We conduct extensive experiments combining real FL workloads and controlled simulations. Results show that SettleFL remains practical when scaling to 800 participants, achieving substantially lower gas cost.
• Abstract（参考訳）: 中央の権威が存在しないオープンなフェデレーテッドラーニング(FL)環境では、コラボレーションの公正性を保証するには、分散化された報酬解決に依存するが、無許可のブロックチェーンの禁止コストは、モデルトレーニングの高周波で反復的な性質と直接衝突する。 既存のソリューションは、分散化を妥協するか、線形オンチェーンコストによるスケーラビリティのボトルネックに悩まされる。 これを解決するために,2つの相互運用可能なプロトコルのファミリーを提供することで,経済的な摩擦を最小限に抑えるために設計された信頼性のない,スケーラブルな報酬解決プロトコルであるSttleFLを提案する。 共有ドメイン固有の回路アーキテクチャを活用することで、(1)楽観的な実行と紛争駆動の仲裁によってオンチェーンコストを最小化するCommit-and-Challenge variant、(2)丸ごとの検証によって即時最終性を保証するCommit-with-Proof variantの2つの相互運用可能な戦略を提供する。 この設計により、プロトコルは、信頼性のある調整なしに合理的な堅牢性を確保しながら、様々なレイテンシとコスト制約に柔軟に対応できる。 実際のFLワークロードと制御されたシミュレーションを組み合わせた広範囲な実験を行う。 その結果,セトルフラは800人までスケールアップしても実用的であり,ガスコストは大幅に低減された。

関連論文リスト

• Toward a Sustainable Federated Learning Ecosystem: A Practical Least Core Mechanism for Payoff Allocation [71.86087908416255]
  最小コア(LC)概念に基づく配当フレームワークを提案する。 従来の方法とは異なり、LCは最大の不満を最小限に抑えてフェデレーションの凝集を優先する。 統合侵入検知におけるケーススタディは、我々のメカニズムが重要な貢献者や戦略的提携を正しく識別できることを実証している。
  論文  参考訳（メタデータ） (2026-02-03T11:10:50Z)
• On-Chain Decentralized Learning and Cost-Effective Inference for DeFi Attack Mitigation [4.37137147573556]
  DeFiプラットフォームでは、ビジネスロジックや会計上の脆弱性を利用したトランザクションによって、毎年数十億ドルが失われている。 i) コスト削減のためにLayer-2上でガス禁止計算を行い、(ii) 検証済みのモデル更新をLayer-1に伝達し、(iii) スマートコントラクト内でガス境界付き低遅延推論を可能にする。
  論文  参考訳（メタデータ） (2025-10-15T18:58:34Z)
• A Range-Based Sharding (RBS) Protocol for Scalable Enterprise Blockchain [0.4941723903728161]
  本稿では,エンタープライズブロックチェーンに適した新しいシャーディング機構であるレンジベースシャーディングプロトコルを提案する。 RBSは既存のエンタープライズシャーディングフレームワークに比べてスループットとレイテンシを著しく向上します。
  論文  参考訳（メタデータ） (2025-09-13T23:09:38Z)
• Commit-Reveal$^2$: Securing Randomness Beacons with Randomized Reveal Order in Smart Contracts [25.885166716453153]
  最終公開順序を暗号化的にランダム化するブロックチェーンデプロイメントのための層設計であるCommit-Reveal$2$を提示します。 このプロトコルはハイブリッドシステムとして設計されており、ルーチン調整が効率性のためにチェーンから外れている。 ブロックチェーンアプリケーションにおけるレプリケーションと採用をサポートするために、公に検証可能なプロトタイプと評価アーティファクトをリリースしています。
  論文  参考訳（メタデータ） (2025-04-04T21:05:51Z)
• Blockchain-based Framework for Scalable and Incentivized Federated Learning [0.820828081284034]
  フェデレートラーニング(FL)は、生データを共有せずに協調的なモデルトレーニングを可能にし、分散データセットを活用しながらプライバシを保存する。 従来のFLシステムは、信頼の問題や単一障害点の導入、有意義なクライアントコントリビューションのインセンティブの制限といった、集中的な集約メカニズムに依存しています。 本稿では、スマートコントラクトと新しいハイブリッドインセンティブ機構を統合することにより、これらの制限に対処するブロックチェーンベースのFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-20T00:38:35Z)
• Digital Twin-Assisted Federated Learning with Blockchain in Multi-tier Computing Systems [67.14406100332671]
  産業用 4.0 システムでは、リソース制約のあるエッジデバイスが頻繁にデータ通信を行う。 本稿では,デジタルツイン (DT) とフェデレーション付きデジタルツイン (FL) 方式を提案する。 提案手法の有効性を数値解析により検証した。
  論文  参考訳（メタデータ） (2024-11-04T17:48:02Z)
• Voltran: Unlocking Trust and Confidentiality in Decentralized Federated Learning Aggregation [12.446757264387564]
  我々は、フェデレートラーニング(FL)のための信頼、機密性、堅牢性を達成するために設計された革新的なハイブリッドプラットフォームであるVoltranを紹介する。 FLアグリゲーションをTEEにオフロードして、分離され、信頼され、カスタマイズ可能なオフチェーン実行を提供します。 マルチSGX並列実行戦略を導入することで、複数のFLシナリオに強力なスケーラビリティを提供する。
  論文  参考訳（メタデータ） (2024-08-13T13:33:35Z)
• Client Orchestration and Cost-Efficient Joint Optimization for NOMA-Enabled Hierarchical Federated Learning [55.49099125128281]
  半同期クラウドモデルアグリゲーションの下で非直交多重アクセス(NOMA)を実現するHFLシステムを提案する。 提案手法は,HFLの性能改善と総コスト削減に関するベンチマークよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-03T13:34:44Z)
• A Contract Theory based Incentive Mechanism for Federated Learning [52.24418084256517]
  フェデレートラーニング(FL)は、データプライバシ保護機械学習パラダイムとして機能し、分散クライアントによってトレーニングされた協調モデルを実現する。 FLタスクを達成するために、タスクパブリッシャはFLサーバに金銭的なインセンティブを支払う必要があり、FLサーバはFLクライアントにタスクをオフロードする。 タスクがクライアントによってプライベートにトレーニングされているという事実から、FLクライアントに対して適切なインセンティブを設計することは困難である。
  論文  参考訳（メタデータ） (2021-08-12T07:30:42Z)
• Blockchain Assisted Decentralized Federated Learning (BLADE-FL) with Lazy Clients [124.48732110742623]
  フェデレートラーニング(FL)にブロックチェーンを統合する新しいフレームワークを提案する。 BLADE-FLは、プライバシー保護、改ざん抵抗、学習の効果的な協力の点で優れたパフォーマンスを持っている。 遅延クライアントは、他人のトレーニングされたモデルを盗聴し、不正行為を隠すために人工的なノイズを加える。
  論文  参考訳（メタデータ） (2020-12-02T12:18:27Z)
• Regulation conform DLT-operable payment adapter based on trustless - justified trust combined generalized state channels [77.34726150561087]
  物の経済(EoT)は、ピアツーピアの信頼性のないネットワークで動作するソフトウェアエージェントに基づいています。 基本的価値と技術的可能性が異なる現在のソリューションの概要を述べる。 我々は,暗号ベースの分散型の信頼できない要素の強みと,確立された,十分に規制された支払い手段を組み合わせることを提案する。
  論文  参考訳（メタデータ） (2020-07-03T10:45:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。