基于区块链的联邦学习研究进展

doi:10.11772/j.issn.1001-9081.2021111934

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (11): 3413-3420.DOI: 10.11772/j.issn.1001-9081.2021111934

• 2021 CCF中国区块链技术大会（CCF CBCC 2021） • 上一篇下一篇

基于区块链的联邦学习研究进展

孙睿¹^,², 李超¹^,²(), 王伟¹^,², 童恩栋¹^,², 王健¹^,², 刘吉强¹^,²

^1.智能交通数据安全与隐私保护技术北京市重点实验室(北京交通大学), 北京 100044
^2.北京交通大学计算机与信息技术学院, 北京 100044

收稿日期:2021-11-14 修回日期:2021-12-08 接受日期:2021-12-23 发布日期:2022-01-19 出版日期:2022-11-10
通讯作者: 李超
作者简介:孙睿（1998—），女，吉林扶余人，硕士研究生，主要研究方向：区块链
李超（1988—），男，甘肃天水人，讲师，博士，CCF会员，主要研究方向：区块链 li.chao@bjtu.edu.cn
王伟（1976—），男，湖北英山人，教授，博士，主要研究方向：网络与系统、工业互联网、区块链
童恩栋（1986—），男，山东聊城人，讲师，博士，主要研究方向：服务计算、人工智能
王健（1975—），男，山东烟台人，副教授，博士，主要研究方向：密码应用、区块链、网络安全
刘吉强（1973—），男，山东烟台人，教授，博士，主要研究方向：可信计算、隐私保护、物联网。
基金资助:
国家重点研发计划项目(2020YFB2103802);中央高校基本科研业务费专项资金资助项目(2019RC038)

Research progress of blockchain‑based federated learning

Rui SUN¹^,², Chao LI¹^,²(), Wei WANG¹^,², Endong TONG¹^,², Jian WANG¹^,², Jiqiang LIU¹^,²

^1.Beijing Key Laboratory of Security and Privacy in Intelligent Transportation （Beijing Jiaotong University），Beijing 100044，China
^2.School of Computer and Information Technology，Beijing Jiaotong University，Beijing 100044，China

Received:2021-11-14 Revised:2021-12-08 Accepted:2021-12-23 Online:2022-01-19 Published:2022-11-10
Contact: Chao LI
About author:SUN Rui， born in 1998， M. S. candidate. Her research interests include blockchain.
LI Chao， born in 1988， Ph. D.， lecturer. His research interests include blockchain.
WANG Wei， born in 1976， Ph. D.， professor. His research interests include network and system， industrial Internet， blockchain.
TONG Endong， born in 1986， Ph. D.， lecturer. His research interests include service computing， artificial intelligence.
WANG Jian， born in 1975， Ph. D.， associate professor. His research interests include password application， blockchain， network security.
LIU Jiqiang， born in 1973， Ph. D.， professor. His research interests include trusted computing， privacy protection， Internet of Things.
Supported by:
National Key Research and Development Program of China(2020YFB2103802);Fundamental Research Funds for Central Universities(2019RC038)

摘要/Abstract

摘要：

联邦学习（FL）是一种能够实现用户数据不出本地的新型隐私保护学习范式。随着相关研究工作的不断深入，FL的单点故障及可信性缺乏等不足之处逐渐受到重视。近年来，起源于比特币的区块链技术取得迅速发展，它开创性地构建了去中心化的信任，为FL的发展提供了一种新的可能。对现有基于区块链的FL框架进行对比分析，深入讨论区块链与FL相结合所解决的FL重要问题，并阐述了基于区块链的FL技术在物联网（IoT）、工业物联网（IIoT）、车联网（IoV）、医疗服务等多个领域的应用前景。

关键词: 联邦学习, 区块链, 结构框架, 融合应用, 隐私保护

Abstract:

Federated Learning （FL） is a novel privacy?preserving learning paradigm that can keep users' data locally. With the progress of the research on FL， the shortcomings of FL， such as single point of failure and lack of credibility， are gradually gaining attention. In recent years， the blockchain technology originated from Bitcoin has achieved rapid development， which pioneers the construction of decentralized trust and provides a new possibility for the development of FL. The existing research works on blockchain?based FL were reviewed， the frameworks for blockchain?based FL were compared and analyzed. Then， key points of FL solved by the combination of blockchain and FL were discussed. Finally， the application prospects of blockchain?based FL were presented in various fields， such as Internet of Things （IoT）， Industrial Internet of Things （IIoT）， Internet of Vehicles （IoV） and medical services.

Key words: Federated Learning (FL), blockchain, structural framework, fusion application, privacy protection

中图分类号:

TP309.2

孙睿, 李超, 王伟, 童恩栋, 王健, 刘吉强. 基于区块链的联邦学习研究进展[J]. 计算机应用, 2022, 42(11): 3413-3420.

Rui SUN, Chao LI, Wei WANG, Endong TONG, Jian WANG, Jiqiang LIU. Research progress of blockchain‑based federated learning[J]. Journal of Computer Applications, 2022, 42(11): 3413-3420.

图/表 5

参考文献 53

1	LI Y Z， CHEN C， LIU N， et al. A blockchain‑based decentralized federated learning framework with committee consensus［J］. IEEE Network， 2021， 35（1）： 234-241. 10.1109/mnet.011.2000263
2	McMAHAN H B， MOORE E， RAMAGE D， et al. Communication‑ efficient learning of deep networks from decentralized data［C］// Proceedings of the 20th International Conference on Artificial Intelligence and Statistics. New York： JMLR.org， 2017：1273-1282.
3	KONEČNÝ J， McMAHAN H B， YU F X， et al. Federated learning： Strategies for improving communication efficiency［EB/OL］. （2017-10-30）［2021-07-13］..
4	LI L， FAN Y X， TSE M， et al. A review of applications in federated learning［J］. Computers and Industrial Engineering， 2020， 149： No.106854. 10.1016/j.cie.2020.106854
5	LI T， SAHU A K， TALWALKAR A， et al. Federated learning： challenges， methods， and future directions［J］. IEEE Signal Processing Magazine， 2020， 37（3）：50-60. 10.1109/msp.2020.2975749
6	NAKAMOTO S. Bitcoin： a peer‑to‑peer electronic cash system［EB/OL］. ［2021-07-15］.. 10.2139/ssrn.3977007
7	ZHENG Z B， XIE S A， DAI H N， et al. Blockchain challenges and opportunities： a survey［J］. International Journal of Web and Grid Services， 2018， 14（4）： 352-375. 10.1504/ijwgs.2018.095647
8	TOYODA K， ZHANG A N. Mechanism design for an incentive‑ aware blockchain‑enabled federated learning platform［C］// Proceedings of the 2019 IEEE International Conference on Big Data. Piscataway： IEEE， 2019： 395-403. 10.1109/bigdata47090.2019.9006344
9	HOU D K， ZHANG J， MAN K L， et al. A systematic literature review of blockchain‑based federated learning： architectures， applications and issues［C］// Proceedings of the 2nd Information Communication Technologies Conference. Piscataway： IEEE， 2021： 302-307. 10.1109/ictc51749.2021.9441499
10	WAHAB O A， MOURAD A， OTROK H， et al. Federated machine learning： survey， multi‑level classification， desirable criteria and future directions in communication and networking systems［J］. IEEE Communications Surveys and Tutorials， 2021， 23（2）： 1342-1397. 10.1109/comst.2021.3058573
11	李凌霄，袁莎，金银玉. 基于区块链的联邦学习技术综述［J］. 计算机应用研究， 2021， 38（11）：3222-3230.
	LI L X， YUAN S， JIN Y Y. Review of blockchain‑based federated learning［J］. Application Research of Computers， 2021， 38（11）：3222-3230.
12	邵俊，蔺静茹. 基于区块链的联邦学习应用研究［J］. 中国新通信， 2021， 23（5）：124-125. 10.3969/j.issn.1673-4866.2021.05.062
	SHAO J， LIN J R. Application research of federated learning based on blockchain［J］. China New Telecommunications， 2021， 23（5）：124-125. 10.3969/j.issn.1673-4866.2021.05.062
13	KIM H， PARK J， BENNIS M， et al. Blockchained on‑device federated learning［J］. IEEE Communications Letters， 2020， 24（6）：1279-1283. 10.1109/lcomm.2019.2921755
14	QU Y Y， GAO L X， LUAN T H， et al. Decentralized privacy using blockchain‑enabled federated learning in fog computing［J］. IEEE Internet of Things Journal， 2020， 7（6）：5071-5083. 10.1109/jiot.2020.2977383
15	POKHREL S R， CHOI J. Federated learning with blockchain for autonomous vehicles： analysis and design challenges［J］. IEEE Transactions on Communications， 2020， 68（8）： 4734-4746. 10.1109/tcomm.2020.2990686
16	AWAN S， LI F J， LUO B， et al. Poster： a reliable and accountable privacy‑preserving federated learning framework using the blockchain［C］// Proceedings of the 2019 ACM SIGSAC Conference on Computer and Communications Security. New York： ACM， 2019： 2561-2563. 10.1145/3319535.3363256
17	HIEU N Q， ANH T T， LUONG N C， et al. Resource management for blockchain‑enabled federated learning： a deep reinforcement learning approach［EB/OL］. （2020-05-01）［2021-08-20］..
18	MAJEED U， HONG C S. FLchain： federated learning via MEC‑ enabled blockchain network［C］// Proceedings of the 20th Asia‑ Pacific Network Operations and Management Symposium. Piscataway： IEEE， 2019： 1-4. 10.23919/apnoms.2019.8892848
19	LI Z Y， LIU J， HAO J L， et al. CrowdSFL： a secure crowd computing framework based on blockchain and federated learning［J］. Electronics， 2020， 9（5）： No.773. 10.3390/electronics9050773
20	LU Y L， HUANG X H， ZHANG K， et al. Blockchain empowered asynchronous federated learning for secure data sharing in internet of vehicles［J］. IEEE Transactions on Vehicular Technology， 2020， 69（4）： 4298-4311. 10.1109/tvt.2020.2973651
21	KANG J W， XIONG Z H， JIANG C X， et al. Scalable and communication‑efficient decentralized federated edge learning with multi‑blockchain framework［C］// Proceedings of the 2020 International Conference on Blockchain and Trustworthy Systems， CCIS 1267. Singapore： Springer， 2020： 152-165.
22	LU Y L， HUANG X H， DAI Y Y， et al. Blockchain and federated learning for privacy‑preserved data sharing in industrial IoT［J］. IEEE Transactions on Industrial Informatics， 2020， 16（6）： 4177-4186. 10.1109/tii.2019.2942190
23	REHAMN M H UR， SALAH K， DAMIANI E， et al. Towards blockchain‑based reputation‑aware federated learning［C］// Proceedings of the 2020 IEEE Conference on Computer Communications Workshops. Piscataway： IEEE， 2020：183-188. 10.1109/infocomwkshps50562.2020.9163027
24	ZHANG W S， LU Q H， YU Q Y， et al. Blockchain‑based federated learning for failure detection in industrial IoT［J］. IEEE Internet of Things Journal， 2021， 8（7）：5926-5937. 10.1109/jiot.2020.3032544
25	LU Y L， HUANG X H， ZHANG K， et al. Low‑latency federated learning and blockchain for edge association in digital twin empowered 6G networks［J］. IEEE Transactions on Industrial Informatics， 2021， 17（7）： 5098-5107. 10.1109/tii.2020.3017668
26	ZHAO Y， ZHAO J， JIANG L S， et al. Privacy‑preserving blockchain‑based federated learning for IoT devices［J］. IEEE Internet of Things Journal， 2021， 8（3）： 1817-1829. 10.1109/jiot.2020.3017377
27	MA C， LI J， SHI L， et al. When federated learning meets blockchain： a new distributed learning paradigm［J］. IEEE Computational Intelligence Magazine， 2022， 17（3）： 26-33. 10.1109/mci.2022.3180932
28	NAGAR A. Privacy‑preserving blockchain based federated learning with differential data sharing［EB/OL］. （2019-12-10）［2021-08-21］..
29	QU Y Y， POKHREL S R， GARG S， et al. A blockchained federated learning framework for cognitive computing in industry 4.0 networks［J］. IEEE Transactions on Industrial Informatics， 2021， 17（4）： 2964-2973. 10.1109/tii.2020.3007817
30	SHAYAN M， FUNG C， YOON C J M， et al. Biscotti： a blockchain system for private and secure federated learning［J］. IEEE Transactions on Parallel and Distributed Systems， 2021， 32（7）： 1513-1525. 10.1109/tpds.2020.3044223
31	BAO X L， SU C， XIONG Y， et al. FLChain： a blockchain for auditable federated learning with trust and incentive［C］// Proceedings of the 5th International Conference on Big Data Computing and Communications. Piscataway： IEEE， 2019： 151-159. 10.1109/bigcom.2019.00030
32	ZHANG K S， HUANG H W， GUO S， et al. Blockchain‑based participant selection for federated learning［C］// Proceedings of the 2020 International Conference on Blockchain and Trustworthy Systems， CCIS 1267. Singapore： Springer， 2020： 112-125.
33	CHEN H， ASIF S A， PARK J， et al. Robust blockchained federated learning with model validation and proof‑of‑stake inspired consensus［EB/OL］. （2021-01-09）［2021-08-23］..
34	MARTINEZ I， FRANCIS S， HAFID A S. Record and reward federated learning contributions with blockchain［C］// Proceedings of the 2019 International Conference on Cyber‑Enabled Distributed Computing and Knowledge Discovery. Piscataway： IEEE， 2019： 50-57. 10.1109/cyberc.2019.00018
35	任涛，金若辰，罗咏梅. 融合区块链与联邦学习的网络入侵检测算法［J］. 信息网络安全， 2021， 21（7）：27-34. 10.3969/j.issn.1671-1122.2021.07.004
	REN T， JIN R C， LUO Y M. Network intrusion detection algorithm integrating blockchain and federated learning［J］. Netinfo Security， 2021， 21（7）：27-34. 10.3969/j.issn.1671-1122.2021.07.004
36	冯涛，焦滢，方君丽，等. 基于联盟区块链的医疗健康数据安全模型［J］. 计算机科学， 2020， 47（4）： 305-311. 10.11896/jsjkx.190300087
	FENG T， JIAO Y， FANG J L， et al. Medical health data security model based on alliance blockchain［J］. Computer Science， 2020， 47（4）： 305-311. 10.11896/jsjkx.190300087
37	KUMAR S， DUTTA S， CHATTURVEDI S， et al. Strategies for enhancing training and privacy in blockchain enabled federated learning［C］// Proceedings of the IEEE 6th International Conference on Multimedia Big Data. Piscataway： IEEE， 2020： 333-340. 10.1109/bigmm50055.2020.00058
38	中国石油大学（华东. 一种基于区块链和联邦学习的物联网设备故障检测方法： 202011087722.7［P］. 2021-01-05. 10.1109/jiot.2020.3032544
	China University of Petroleum （East China）. A failure detection method for Internet of things device based on blockchain and federated learning： 202011087722.7［P］. 2021-01-05. 10.1109/jiot.2020.3032544
39	代玥玥，张科，张彦. 区块链赋能6G［J］. 物联网学报， 2020， 4（1）：111-120. 10.11959/j.issn.2096-3750.2020.00154
	DAI Y Y， ZHANG K， ZHANG Y. Blockchain empowered 6G［J］. Chinese Journal on Internet of Things， 2020， 4（1）： 111-120. 10.11959/j.issn.2096-3750.2020.00154
40	PASSERAT‑PALMBACH J， FARNAN T， MILLER R， et al. A blockchain‑orchestrated federated learning architecture for healthcare consortia［EB/OL］. （2019-10-12）［2021-08-24］..
41	RIFAI O EL， BIOTTEAU M， DE BOISSEZON X， et al. Blockchain‑based federated learning in medicine［C］// Proceedings of the 2020 International Conference on Artificial Intelligence in Medicine， LNCS 12299. Cham： Springer， 2020： 214-224.
42	POLAP D， SRIVASTAVA G， JOLFAEI A， et al. Blockchain technology and neural networks for the Internet of Medical Things［C］// Proceedings of the 2020 IEEE Conference on Computer Communications Workshops. Piscataway： IEEE， 2020： 508-513. 10.1109/infocomwkshps50562.2020.9162735
43	RAHMAN M A， HOSSAIN M S， ISLAM M S， et al. Secure and provenance enhanced Internet of health things framework： a blockchain managed federated learning approach［J］. IEEE Access， 2020， 8： 205071-205087. 10.1109/access.2020.3037474
44	AICH S， SINAI N K， KUMAR S， et al. Protecting personal healthcare record using blockchain & federated learning technologies［C］// Proceedings of the 23rd International Conference on Advanced Communication Technology. Piscataway： IEEE， 2021： 109-112. 10.23919/icact51234.2021.9370566
45	KUMAR R， KHAN A A， KUMAR J， et al. Blockchain‑federated‑ learning and deep learning models for COVID-19 detection using CT imaging［J］. IEEE Sensors Journal， 2021， 21（14）： 16301-16314. 10.1109/jsen.2021.3076767
46	邢丹，徐琦，姚俊明. 边缘计算环境下基于区块链和联邦学习的医疗健康数据共享模型［J］. 医学信息学杂志， 2021， 42（2）：33-37. 10.3969/j.issn.1673-6036.2021.02.007
	XING D， XU Q， YAO J M. Medical and health data sharing model based on blockchain and federated learning in the edge computing environment［J］. Journal of Medical Informatics， 2021， 42（2）： 33-37. 10.3969/j.issn.1673-6036.2021.02.007
47	李铮. 一种支持隐私与权益保护的数据联合利用系统方案［J］. 信息与电脑， 2020， 32（14）： 4-7. 10.3969/j.issn.1003-9767.2020.14.002
	LI Z. A scheme of data joint utilization system supporting privacy and rights protection［J］. China Computer & Communication， 2020， 32（14）： 4-7. 10.3969/j.issn.1003-9767.2020.14.002
48	CHAI H Y， LENG S P， CHEN Y J， et al. A hierarchical blockchain‑enabled federated learning algorithm for knowledge sharing in internet of vehicles［J］. IEEE Transactions on Intelligent Transportation Systems， 2021， 22（7）： 3975-3986. 10.1109/tits.2020.3002712
49	CUI L Z， SU X X， MING Z X， et al. CREAT： blockchain‑ assisted compression algorithm of federated learning for content caching in edge computing［J］. IEEE Internet of Things Journal， 2022， 9（16）： 14151-14161. 10.1109/jiot.2020.3014370
50	HALIM S M， KHAN L， THURAISINGHAM B. Next‑location prediction using federated learning on a blockchain［C］// Proceedings of the IEEE 2nd International Conference on Cognitive Machine Intelligence. Piscataway： IEEE， 2020： 244-250. 10.1109/cogmi50398.2020.00038
51	WANG Y T， SU Z， ZHANG N， et al. Learning in the air： secure federated learning for UAV‑assisted crowdsensing［J］. IEEE Transactions on Network Science and Engineering， 2021， 8（2）： 1055-1069. 10.1109/tnse.2020.3014385
52	POKHREL S R. Federated learning meets blockchain at 6G edge： a drone‑assisted networking for disaster response［C］// Proceedings of the 2nd ACM MobiCom Workshop on Drone Assisted Wireless Communications for 5G and Beyond. New York： ACM， 2020： 49-54. 10.1145/3414045.3415949
53	WANG Y C， TIAN Y Y， YIN X Y， et al. A trusted recommendation scheme for privacy protection based on federated learning［J］. CCF Transactions on Networking， 2020， 3（3/4）：218-228. 10.1007/s42045-020-00045-8

结构	种类	共识机制	激励机制
BlockFL^［13］	公链	PoW	数据和挖矿奖励
FL‑Block^［14］	公链	PoW	数据和挖矿奖励
BFL^［15］	公链	PoW	数据和挖矿奖励
BFL^［20］	私链	代理权益证明	行动的影响
FLChain^［18］	公链	拜占庭/PoW	—
BFEL^［21］	公链/联盟链	验证证明	贡献
BFLC^［1］	联盟链	CCM	根据贡献利益共享
FL^［26］	联盟链	权益证明/拜占庭	多重Krum和声誉

结构	种类	共识机制	激励机制
BlockFL^［13］	公链	PoW	数据和挖矿奖励
FL‑Block^［14］	公链	PoW	数据和挖矿奖励
BFL^［15］	公链	PoW	数据和挖矿奖励
BFL^［20］	私链	代理权益证明	行动的影响
FLChain^［18］	公链	拜占庭/PoW	—
BFEL^［21］	公链/联盟链	验证证明	贡献
BFLC^［1］	联盟链	CCM	根据贡献利益共享
FL^［26］	联盟链	权益证明/拜占庭	多重Krum和声誉

解决的问题	解决方法
激励机制	数据奖励和挖矿奖励^［13-15］
	贡献利益共享^［1］
	多重Krum计算声誉^［26］
	智能合约^［24］
投毒攻击	验证证明共识机制^［21］
	多重Krum共识机制^［30］
	认知计算^［28］
	计分机制^［32］
提高学习效率	从边缘数据学习模型的异步学习^［20］
提高模型验证效率	委员会共识机制^［1］
提高通信效率	梯度压缩^［21］
提高模型训练效率	超参数优化和弹性权重合并^［37］

解决的问题	解决方法
激励机制	数据奖励和挖矿奖励^［13-15］
	贡献利益共享^［1］
	多重Krum计算声誉^［26］
	智能合约^［24］
投毒攻击	验证证明共识机制^［21］
	多重Krum共识机制^［30］
	认知计算^［28］
	计分机制^［32］
提高学习效率	从边缘数据学习模型的异步学习^［20］
提高模型验证效率	委员会共识机制^［1］
提高通信效率	梯度压缩^［21］
提高模型训练效率	超参数优化和弹性权重合并^［37］

应用领域	功能
物联网	保证数据安全^［22］
	工业物联网的故障检测^［24］
	优化家电功能^［26］
医疗服务	保护病人隐私^［40］
	预测糖尿病风险^［41］
	医疗物联网设备的隐私算法^［42］
	新冠病毒诊断共享^［43］
	医疗信息保护和共享^［44］
	提高新冠病毒识别率^［45］
车联网	预测自动车辆间的有效通信^［15］
	车辆运行数据共享^［20］
	提高车内网络可靠性和安全性^［48］
内容缓存	提高缓存命中率^［49］
位置预测	更准确的位置预测和隐私保护^［50］
移动众感知	保护无人机学习后的隐私^［51］
灾难响应	无人机和6G网络灾难响应系统^［52］
新闻推荐	过滤信息，精准推荐，隐私保护^［53］

基于区块链的联邦学习研究进展

Research progress of blockchain‑based federated learning

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 53

相关文章 15

编辑推荐

Metrics

[1]	刘炜, 张聪, 佘维, 宋轩, 田钊. 基于Merkle山脉的数据可信溯源方法[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2765-2771.
[2]	郭阳楠, 蒋文保, 叶帅. 可监管的区块链匿名交易系统模型[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2757-2764.
[3]	刘炎培, 陈宁宁, 朱运静, 王丽萍. 面向5G/Beyond 5G的移动边缘缓存优化技术综述[J]. 《计算机应用》唯一官方网站, 2022, 42(8): 2487-2500.
[4]	田洪亮, 王佳玥, 李晨曦. 基于混合算法区块链和节点身份认证的数据存储方案[J]. 《计算机应用》唯一官方网站, 2022, 42(8): 2481-2486.
[5]	王旭, 申玉民, 熊晓芸, 李鹏, 王金龙. 基于哈希图的建筑物联网数据管理方法[J]. 《计算机应用》唯一官方网站, 2022, 42(8): 2471-2480.
[6]	张杰, 许姗姗, 袁凌云. 基于区块链与边缘计算的物联网访问控制模型[J]. 《计算机应用》唯一官方网站, 2022, 42(7): 2104-2111.
[7]	汤春明, 陈雨晴, 张梓迪. 基于二项交换林和HotStuff的改进共识算法[J]. 《计算机应用》唯一官方网站, 2022, 42(7): 2112-2117.
[8]	狄筝, 曹一凡, 仇超, 罗韬, 王晓飞. 新型算力网络架构及其应用案例分析[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1656-1661.
[9]	章振宇, 谭国平, 周思源. 基于1‑bit压缩感知的高效无线联邦学习算法[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1675-1682.
[10]	许蕴韬, 朱俊武, 孙彬文, 孙茂圣, 陈四海. 选举供应链：基于区块链的供应链自治框架[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1770-1775.
[11]	李杨, 徐龙, 李研强, 李绍鹏. 基于智能合约的物联网访问控制架构与验证[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1922-1931.
[12]	任秀丽, 张雷. 基于实用拜占庭容错的改进的多主节点共识机制[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1500-1507.
[13]	刘晶, 董志红, 张喆语, 孙志刚, 季海鹏. 基于联邦增量学习的工业物联网数据共享方法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1235-1243.
[14]	罗长银, 王君宇, 陈学斌, 马春地, 张淑芬. 改进的联邦加权平均算法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1131-1136.
[15]	吴静雯, 殷新春, 宁建廷. 车载自组网中可撤销的聚合签名认证方案[J]. 《计算机应用》唯一官方网站, 2022, 42(3): 911-920.