संघीय शिक्षण (FL) डेटा गोपनीयता बनाए रखते हुए सहयोगात्मक मॉडल प्रशिक्षण सक्षम करता है, फिर भी केंद्रीकृत और विकेंद्रीकृत दोनों दृष्टिकोणों को पैमाने, सुरक्षा, और अद्यतन मान्यता में चुनौतियों का सामना करना पड़ता है। हम ZK-HybridFL का प्रस्ताव करते हैं, जो एक सुरक्षित विकेंद्रीकृत FL ढांचा है जो एक निर्देशित चक्रीय ग्राफ (DAG) खाता को समर्पित साइडचेन और जीरो-नॉलेज प्रूफ (ZKPs) के साथ गोपनीयता-संरक्षित मॉडल मान्यता के लिए एकीकृत करता है। यह ढांचा घटनाप्रेरित स्मार्ट कॉन्ट्रैक्ट (EDSCs) और एक ओरेकल-सहायता प्राप्त साइडचेन का उपयोग करता है ताकि स्थानीय मॉडल अद्यतन को संवेदनशील डेटा को उजागर किए बिना सत्यापित किया जा सके। एक अंतर्निहित चुनौती तंत्र प्रभावी रूप से प्रतिकूल व्यवहार का पता लगाता है। चित्र वर्गीकरण और भाषा मॉडलिंग कार्यों पर प्रयोगों में, ZK-HybridFL तेज़ संकुचन, उच्च सटीकता, कम पेरीप्लेक्सिटी, और Blade-FL और ChainFL की तुलना में कम विलंबता प्राप्त करता है। यह प्रतिकूल और निष्क्रिय नोड्स के महत्वपूर्ण हिस्सों के खिलाफ मजबूत रहता है, प्रभावी गैस उपयोग के साथ उप-सेकंड ओन-चेन सत्यापन का समर्थन करता है, और अमान्य अद्यतनों और अनाथता-जैसे हमलों को रोकता है। यह ZK-HybridFL को विविध वातावरणों में विकेंद्रीकृत FL के लिए एक स्केलेबल और सुरक्षित समाधान बनाता है।
Taherpour et al. (गुरूवार,) ने इस प्रश्न का अध्ययन किया।