联邦机器学习 (FL) 允许在敏感数据上共同训练模型，因为只有客户的模型而不是他们的训练数据需要共享。然而，尽管对 FL 的研究引起了人们的关注，但该概念在实践中仍然缺乏广泛的采用。关键原因之一是实施 FL 系统的巨大挑战，该系统同时为所有参与的客户实现公平、完整性和隐私保护。为了解决这个问题，我们的论文提出了一个结合了区块链技术、本地差分隐私和零知识证明的 FL 系统。我们对具有多个线性回归的概...