讀過的一些論文的要點，主要是方便自己查閱和整理，不保證一定對，有什么錯漏希望評論區不吝指正，
按我關注的點稍微分了一下類：
- 基于區塊鏈本身和聯邦學習的結合，重點在于利用區塊鏈的特性為機器學習更好地服務，
- 區塊鏈和可信執行環境的結合，重點在于資料安全，在此基礎上或許可以擴展出一些新的區塊鏈與其他事物的結合，
- 區塊鏈與原有的一些應用于代碼的東西的結合，重點在于更好地利用區塊鏈，
- 區塊鏈本身相關的論文，
1.1 On-Device Federated Learning via Blockchain and its Latency Analysis
這篇大佬講得很詳細，就是在聯邦學習中加入區塊鏈，用于代替中央服務器，通過區塊鏈來交換本地引數，并提供了驗證和獎勵機制，
本文特殊的點在于Block FL每個設備從最新的塊計算全域模型更新，這是下一個本地模型更新的輸入，也就是說※Block FL全域模型更新是在每個設備本地計算的，因此，礦工/設備在全域模型更新中的故障不會影響其他設備的區域全域模型更新，從而確保整體訓練的健壯性，但與普通FL相比，Block FL需要支付區塊鏈網路產生的額外延遲，
算是對聯邦學習進一步去中心化，但是資料隱私的問題依然不能很好解決，
1.2 DeepChain: Auditable and Privacy-Preserving Deep Learning with Blockchain-based Incentive
基本可以算是對上一篇的擴展，增加了一個梯度加密和協同解密的步驟，以增加資料安全性，具體可以看大佬解說，此外還增加了新的激勵模型，
個人感覺這篇沒有太大的價值，可不看，
1.3 Towards fair and decentralized privacy-preserving deep learning with blockchain
也是區塊鏈和聯邦學習的結合，通過結合每個參與者的奉獻度來給予它們不同的FL模型，以確保公平性，促進參與者的積極性，
聽起來還蠻有意思的，有時間的話可能會細看一下，
2.1 Town Crier：An Authenticated Data Feed for Smart Contracts
之前說得比較詳細了，主要就是在區塊鏈和第三方網站中引入可信執行環境SGX來保證資料安全，
不是很復雜但是感覺在很多方面可以借鑒一下思路，
2.2 SPDS: A Secure and Auditable Private Data Sharing Scheme for Smart Grid Based on Blockchain
也是區塊鏈和可信執行環境的結合，不同的是區塊鏈存盤的是資料的呼叫記錄，
是個不錯的想法，可以借鑒著做點東西出來，
2.3 Decentralized Identity Authentication with Trust Distributed in Blockchain Backbone
結合了區塊鏈和可信執行環境制作的一個身份認證，沒必要看，
3.1 LATTE: Visual Construction of Smart Contracts
給智能合約增加了一個可視化的操作頁面，
算是拿原有的一些可應用于代碼的東西和區塊鏈結合起來，
3.2 Blockchain analytics and artificial intelligence
介紹了一個連接到區塊鏈的分析引擎，走的是結合資料分析和可視化的路子，
我沒細看，感覺和上面那篇有一些思路上的相同之處，都是已有的東西應用到區塊鏈上，
4.1 On the Security and Performance of Proof of Work Blockchains
作者提出了一個新的量化框架，以此客觀地評估基于pow的區塊鏈的安全和性能，
和機器學習沒什么關系，但是量化的思想是很好的，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/305001.html
標籤：區塊鏈
下一篇：truffle部署指定的合約