शोधकर्ताओं ने gspDAG-FL का प्रस्ताव रखा है, जो एक सुरक्षित विकेंद्रीकृत फेडरेटेड लर्निंग फ्रेमवर्क है जो मॉडल अपडेट को वितरित करने के लिए उपयोग किए जाने वाले उसी gossip इतिहास से सहमति प्राप्त करता है। सिस्टम नोड्स को केवल पड़ोसियों के साथ पेलोड का आदान-प्रदान करने की अनुमति देता है, जबकि पूर्ण नोड्स एक संपाक्त Topology DAG को पुनर्निर्मित करते हैं और अद्वितीय मॉडल-उत्पत्ति ट्युपल्स पर अंतिमता स्थापित करने के लिए Hashglass-शैली वर्चुअल वोटिंग चलाते हैं।
- नोड्स केवल पड़ोसियों के साथ मॉडल पेलोड का आदान-प्रदान करते हैं, वैश्विक समन्वय लागतों से बचते हुए।
- पूर्ण नोड्स टोपोलॉजी को पुनर्निर्मित करने के लिए इवेंट प्रमाणपत्र और प्राप्तकर्ता-समर्थित स्वीकृत gossip प्रमाण एकत्र करते हैं।
- फ्रेमवर्क एग्रीगेशन से पहले पेलोड वैलिडेशन, स्वीकृत-प्रूफ वैलिडेशन और निजी सेमांटिक ऑडिट को जोड़ता है।
- 100 नोड्स तक के साथ MNIST और Penn Treebank पर प्रयोगों ने वैलिडेशन-आधारित लेजर FL के करीब लर्निंग गुणवत्ता दिखाई।
- gspDAG-FL समन्वय बॉटलनेक को कम करता है, थ्रूपुट को बेहतर बनाता है, और मिश्रित Byzantine और आलसी भागीदारी के तहत उच्च अमान्य-उत्पत्ति पता लगाने को बनाए रखता है।
लेखकों का मानना है कि यह दृष्टिकोण महत्वपूर्ण है क्योंकि यह उत्पत्ति की अंतिमता और आक्रामक भागीदारों के प्रति लचीलापन प्रदान करता है, जबकि विकेंद्रीकृत फेडरेटेड लर्निंग की स्थानीय लाभों को बनाए रखता है।