AuditFL：面向开放联邦学习的合同支持清算层

AuditFL提出了一种面向开放联邦学习的合同支持清算层，旨在实现可审计的联邦学习过程。该架构保持链下执行模型训练与参数聚合，仅将内容标识符与状态信息上链，以降低链上计算负担。 在MNIST数据集上，当参与客户端为200个时，系统生成了5,026笔链上交易，消耗约829.7M EVM gas。这一设计使协调者的链上轮次决策具备可归因性、可重放性与可审计性，增强了联邦学习流程的透明度。 压力测试结果表明，在高故障率场景下，模型最终准确率的变化仍控制在几个百分点以内，显示该清算层在异常环境下具备较强的鲁棒性与稳定性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。