精选理由
这个框架用Gossip历史做共识，不用区块链，训练质量不差还能抗恶意节点，适合想搞去中心化联邦学习的人看看。
gspDAG-FL提出了一种去中心化联邦学习框架，利用Gossip协议中的历史消息达成共识，无需中央服务器或区块链。全节点通过收集事件证书和接受性证明，构建紧凑拓扑有向无环图（DAG），并运行Hashgraph风格的虚拟投票实现最终性。该框架在MNIST分类和Penn Treebank语言建模任务上测试，网络规模N=100，学习质量接近验证型账本FL，同时减少了协调瓶颈并提高了吞吐量，在混合拜占庭和懒惰节点参与下保持了高无效来源检测率。
AI 翻译 · 中文
gspDAG-FL提出了一种去中心化联邦学习框架，利用Gossip协议中的历史消息达成共识，无需中央服务器或区块链。全节点通过收集事件证书和接受性证明，构建紧凑拓扑有向无环图（DAG），并运行Hashgraph风格的虚拟投票实现最终性。该框架在MNIST分类和Penn Treebank语言建模任务上测试，网络规模N=100，学习质量接近验证型账本FL，同时减少了协调瓶颈并提高了吞吐量，在混合拜占庭和懒惰节点参与下保持了高无效来源检测率。
Decentralized federated learning (DFL) removes the central server by letting nodes exchange model updates through peer-to-peer gossip, but existing gossip-based methods often lack provenance finality and resilience to By…