Federativ öyrənmə istifadəçilərin və ya qurumların öz məlumatlarını mərkəzi serverə göndərmədən modeli öz cihazlarında öyrətməsinə imkan verir. Lakin klassik federativ öyrənmədə lokal model yeniləmələrinin birləşdirilməsi hələ də mərkəzi server tərəfindən həyata keçirilir. Bu vəziyyət iştirakçıların sistemdən kənarlaşdırıla bilməsi, mərkəzi nasazlıq nöqtəsinin yaranması və mükafatlandırılan federativ öyrənmə sistemlərində ödənişlərin tək bir otoritetdən asılı qalması kimi problemlərə səbəb ola bilər.

Bu iş federativ öyrənmənin koordinasiyasını blockchain üzərində işləyən ağıllı müqavilələrə daşıyan və iştirakçıları dürüst təlimə təşviq etmək üçün Multi-Task Peer Prediction (MTPP) istifadə edən konseptual memarlıq təklif edir. Blockchain qeydiyyat, koordinasiya, ödəniş, bəzi aqreqasiya əməliyyatları və audit edilə bilən qeyd üçün istifadə olunur, böyük verilərin birbaşa zəncirə yazılması əvəzinə isə IPFS kimi zəncirdənkənar saxlama sistemlərindən yararlanılır.

Təklifin əsas məqsədi, töhfənin ölçülməsi üçün Shapley dəyəri kimi bahalı metodlara ehtiyac duymadan iştirakçıları mükafatlandıra biləcək daha yüngül mexanizm hazırlamaqdır. MTPP iştirakçıların hesabatlarını məlum “düzgün cavab” ilə müqayisə etmək əvəzinə müxtəlif iştirakçıların çıxışları arasındakı korrelyasiyaya baxır. Beləliklə, sistemdə məlumatlı və dürüst hesabat davranışının iqtisadi cəhətdən daha sərfəli olması hədəflənir.

Lakin iş tətbiq edilmiş və performansı ölçülmüş bir sistem təqdim etmir. Təklif olunan memarlığın blockchain üzərində real əməliyyat dəyəri, miqyaslana bilməsi, gecikməsi, saxlama yükü və model təliminə təsirləri hələ eksperimental olaraq doğrulanmayıb.

Federativ öyrənmə onsuz da mərkəzsiz deyilmi?

Federativ öyrənmə, təlim verilərinin istifadəçi cihazından çıxmaması baxımından mərkəzləşdirilmiş məlumat toplama modelindən fərqlənir. İştirakçılar modeli öz veriləri üzərində lokal olaraq öyrədir və yalnız model yeniləmələrini mərkəzi sistemə göndərirlər.

Lakin klassik memarlıqda bu yeniləmələri birləşdirən bir mərkəzi server vardır. Buna görə məlumat mərkəzi şəkildə toplanmasa belə koordinasiya tam mərkəzsiz deyil.

Tədqiqatın 2-ci səhifəsindəki Şəkil 1 bu fərqi birbaşa göstərir. Ənənəvi federativ öyrənmədə cihazlar lokal modellərini öyrədir, yeniləmələrini mərkəzi serverə göndərir, server qlobal modeli yaradır və yenidən cihazlara paylayır. Təklif edilən blockchain quruluşunda isə saxlama, aqreqasiya, koordinasiya və ödəniş kimi funksiyaların ağıllı müqavilələr və blockchain infrastrukturu üzərindən icrası nəzərdə tutulur.

FedAvg hansı problemi həll edir?

Məqalə federativ öyrənmədə geniş istifadə olunan Federated Averaging — FedAvg yanaşmasını əsas nümunə kimi verir. Qlobal model parametrləri θ üçün məqsəd funksiyası aşağıdakı kimi ifadə olunur:

arg min_θ Σ_i (|S_i| / |S|) f_i(θ)

Burada f_i i-ci iştirakçının itki funksiyasını; S_i həmin iştirakçının məlumat indekslərini; S isə bütün iştirakçıların birləşdirilmiş məlumat indekslərini təmsil edir.

Bu quruluş məlumat məxfiliyini dəstəkləsə də töhfə miqdarının ədalətli ölçülməsini avtomatik həll etmir.

İştirakçıları niyə mükafatlandırmaq lazımdır?

Bir iştirakçının əlində qlobal model üçün faydalı məlumat ola bilər, lakin ortaya çıxacaq modelə birbaşa ehtiyac duymaya bilər. Belə iştirakçının hesablama gücü, elektrik enerjisi, bant genişliyi və özəl məlumatından istifadə edərək təlim prosesinə qoşulması üçün iqtisadi təşviq lazım gələ bilər.

Burada iki əsas problem ortaya çıxır:

• Töhfəni necə ölçə bilərik?
• Ödənişin tərəfsiz və avtomatik edilməsini necə təmin edə bilərik?

Klassik töhfə ölçümü niyə bahalı ola bilər?

Məqalə məlumat həcmi, lokal dəqiqlik, xərc, reputasiya, çoxluq səsi, leave-one-out və Shapley dəyəri kimi müxtəlif töhfə ölçmə metodlarını müzakirə edir.

Xüsusilə Shapley dəyəri nəzəri baxımdan ədalətli yanaşma təmin etsə də, çoxlu sayda mümkün iştirakçı kombinasiyasını qiymətləndirdiyi üçün hesablama xərci yüksəkdir.

Blockchain sistemlərində bu problem daha önəmlidir. Çünki ağıllı müqavilə hesablamalarının və zəncir üzərindəki məlumatların çox sayda blockchain düyünündə təkrarlanması lazımdır.

Buna görə müəlliflərin axtardığı təşviq mexanizmi üç xüsusiyyətə malik olmalıdır:

• hesablama baxımından yüngül olmalı,
• mükafatı mümkün qədər tək əməliyyatda hesablaya bilməli,
• blockchain mühitinə uyğun sadə əməliyyatlarla reallaşdırıla bilməlidir.

Multi-Task Peer Prediction Nədir?

Multi-Task Peer Prediction (MTPP), düzgün cavabın mexanizm tərəfindən bilinmədiyi hallarda iştirakçıları məlumatlı və dürüst hesabat davranışına təşviq etməyi hədəfləyən crowdsourcing mexanizmidir. Sistemin əsas ideyası bir iştirakçının nəticəsini mərkəzi “ground truth” ilə müqayisə etmək əvəzinə müxtəlif iştirakçıların hesabatları arasındakı korrelyasiyanı qiymətləndirməkdir.

Federativ öyrənmədə bunun məqsədi təkcə hesabat vermək deyil, iştirakçının həqiqətən model təlimi aparmasını və daha sonra əldə etdiyi nəticəni dürüst şəkildə göndərməsini iqtisadi baxımdan daha sərfəli hala gətirməkdir.

Task, signal və report nə deməkdir?

Məqalə MTPP-nin federativ öyrənməyə köçürülməsi üçün üç əsas anlayış müəyyənləşdirir.

Task: İştirakçının yerinə yetirməli olduğu tapşırıqdır. Məsələn, təsvirlərin sinifləşdirilməsi və ya sinir şəbəkəsinin uyğun parametrlərinin tapılması.

Signal: İştirakçı tapşırığı həqiqətən yerinə yetirdikdə əldə etdiyi informasiyadır. Təsvir sinifləşdirməsində bu, bir proqnoz etiketi ola bilər.

Report: İştirakçının sistemə bildirdiyi nəticədir.

İştirakçı həqiqi signal məlumatını raportlayırsa dürüst davranır. Təlim aparmadan təsadüfi nəticə göndərirsə və ya başqa iştirakçıların çıxışını təqlid edirsə, mexanizm bunu iqtisadi baxımdan əlverişsiz etməlidir.

Informed-truthful davranış nə deməkdir?

İşdə hədəflənən mexanizm məlumatlı və dürüst strategiyanın gözlənilən ödənişinin digər strategiyalardan ən azı onun qədər yüksək olduğu quruluş kimi izah olunur.

Federativ öyrənmə baxımından məqsəd həqiqi model təlimi + dürüst hesabat davranışını fərdi iştirakçı üçün iqtisadi baxımdan rasional etməkdir.

MTPP iki iştirakçını necə qiymətləndirir?

Məqalənin ümumi izahında MTPP prosesi aşağıdakı məntiqi izləyir:

1. İştirakçılara ortaq tapşırıqlar verilir.
2. Bəzi tapşırıqlar “bonus tasks”, bəziləri isə bir-biri ilə üst-üstə düşməyən “penalty tasks” kimi ayrılır.
3. Bonus və penalty tapşırıqlarındakı skor fərqi istifadə olunaraq ödəniş hesablanır.
4. Bütün bonus tapşırıqlar üzrə ödənişlər birləşdirilərək ümumi mükafat əldə olunur.

Buradakı əsas məqsəd təsadüfi və ya köçürülmüş hesabatların sistematik olaraq yüksək mükafat qazanmasının qarşısını almaq və real informasiya daşıyan hesabatları daha üstün etməkdir.

Blockchain Federativ Öyrənmədə Dəqiq Nə Edir?

Tədqiqat blockchain-in rolunu dörd əsas qrupa ayırır: aqreqasiya, koordinasiya, ödəniş və saxlama.

Aqreqasiyanı tamamilə zəncirə daşımaq niyə problemdir?

Lokal model parametrləri birbaşa blockchain üzərinə göndərilib smart contract tərəfindən birləşdirilə bilər. Bunun üstünlüyü mərkəzi nasazlıq nöqtəsinin aradan qalxması və töhfələrin audit edilə bilən hala gəlməsidir.

Lakin bütün blockchain düyünlərinin eyni hesablamanı və saxlamanı təkrarlaması səbəbindən xərc sürətlə böyüyə bilər. Məqalə on-chain aqreqasiyanın saxlama və hesablama yükünün mühüm miqyaslana bilmə problemi olduğunu vurğulayır.

Buna görə Federated Distillation və ya hesablama ilə konsensus qatlarını ayıran ikiqat blockchain quruluşları kimi metodlar mümkün azaltma strategiyaları kimi müzakirə olunur.

Blockchain koordinator ola bilərmi?

Bəli. Məqalə blockchain-in model çəkilərini birbaşa aqreqasiya xaricində də istifadə oluna biləcəyini vurğulayır.

Məsələn sistem:

• təsadüfi lider seçə bilər,
• etibarsız mühitdə səsvermə mexanizmi işlədə bilər,
• iştirakçı qeydlərini saxlaya bilər,
• model yeniləmələrinin doğrulanması ilə bağlı qeyd apara bilər.

Beləliklə ağır hesablamalar zəncirdən kənarda aparılarkən koordinasiya blockchain tərəfindən təmin edilə bilər.

Kriptovalyuta niyə memarlığın bir hissəsidir?

Blockchain əsaslı kriptovalyuta sistemləri MTPP tərəfindən hesablanan töhfə skorunun birbaşa ödəniş mexanizminə bağlanmasını mümkün edir.

Bunun sayəsində nəzəri olaraq ödəniş:

• mərkəzi qurumun qərarından asılı qalmadan,
• əvvəlcədən müəyyən edilmiş qaydalara görə,
• avtomatik,
• doğrulana bilən

şəkildə həyata keçirilə bilər.

Təklif Edilən Blockchain + MTPP Federativ Öyrənmə Sistemi Necə İşləyir?

Tədqiqatın 4-cü səhifəsindəki Şəkil 2 təklif olunan quruluşu səkkiz mərhələli əməliyyat zənciri kimi göstərir.

1. Blockchain-ə qeydiyyat

Sistemə qoşulmaq istəyən klientlər blockchain üzərində özlərini qeydiyyatdan keçirirlər.

Ethereum Virtual Machine bənzəri mühitdə iştirakçı public address məlumatını qeyd edə və əməliyyatı private key ilə imzalaya bilər.

İstifadə ssenarisindən asılı olaraq sistem tam açıq ola, yalnız əvvəlcədən məlum iştirakçılara icazə verə və ya iştirakçılardan iqtisadi stake tələb edə bilər.

2. Lokal model təlimi

Hər bir klient öz lokal məlumatından istifadə edərək modeli öyrədir. Məlumat cihazı tərk etmir.

Bu mərhələ klassik federativ öyrənmənin əsas məxfilik üstünlüyünü qoruyur.

3. Açıq test dəsti üzərində inference

İştirakçılar ortaq bir public test set üzərində proqnozlar yaradırlar.

Məsələn, təsvir sinifləşdirmə tapşırığında sistem hər bir iştirakçının test təsvirlərinə verdiyi sinif etiketlərini əldə edir.

4. Niyə Hash-Commit lazımdır?

Blockchain təbiəti etibarilə şəffafdır. Bir iştirakçı digər klientlərin nəticələrini zəncir üzərində görüb təlim aparmadan onların hesabatlarını təqlid edə bilər.

Bunun qarşısını almaq üçün tədqiqat commit-reveal mexanizmi təklif edir.

İştirakçı əvvəlcə nəticəsinə təsadüfi bir salt əlavə edir və birləşdirilmiş məlumatın hash-ini blockchain-ə göndərir.

Sadələşdirilmiş şəkildə:

commit = Hash(report || salt)

Salt istifadəsi, xüsusən mümkün nəticə sayının kiçik olduğu hallarda, hash əsasında girişin brute-force ilə təxmin edilməsini çətinləşdirir.

IPFS niyə istifadə olunur?

Böyük həcmdə məlumat blockchain-ə birbaşa yazılarsa, hər düyünün həmin məlumatı saxlaması tələb olunur. Bu isə miqyaslana bilməni mənfi təsirləndirir.

Buna görə işdə nəticələrin özü əvəzinə InterPlanetary File System — IPFS istifadə olunması təklif edilir.

Blockchain üzərində böyük məlumat əvəzinə IPFS-dəki məlumatı müəyyən edən məzmun əsaslı göstərici saxlanıla bilər. Beləliklə zəncir üzərindəki saxlama yükü azaltmağa çalışılır.

5. İştirakçılar necə təsadüfi uyğunlaşdırılır?

MTPP mükafat hesablamasında iştirakçıların təsadüfi şəkildə uyğunlaşdırılması tələb olunur. Lakin blockchain üzərində təsadüfiliyin manipulyasiya edilməməsi vacibdir.

Tədqiqat bunun üçün Chainlink VRF bənzəri mərkəzsiz Verifiable Random Function istifadə olunmasını təklif edir.

VRF tərəfindən yaradılan kriptoqrafik olaraq doğrulana bilən təsadüfi seed iki iştirakçının uyğunlaşdırılmasında istifadə oluna bilər.

6. Reveal mərhələsində nə baş verir?

Uyğunlaşdırılan iştirakçılar daha əvvəl commit etdikləri:

• IPFS göstəricisini,
• salt dəyərini

blockchain-ə açıqlayırlar.

Smart contract bu məlumatları yenidən hash edib ilk commit dəyəri ilə müqayisə edir. Beləliklə iştirakçının nəticəni sonradan dəyişmədiyi doğrulana bilir.

7. MTPP mükafatı necə hesablanır?

Ağıllı müqavilə təsadüfi seçilən iştirakçı cütlərinin hesabatlarını istifadə edərək MTPP skorlarını hesablayır.

Burada məqsəd yüksək xərcli birbaşa töhfə ölçümü əvəzinə hesabat korrelyasiyasına əsaslanan daha yüngül mükafat mexanizmi istifadə etməkdir.

8. Ödəniş

Son mərhələdə hesablanan mükafatların blockchain-in kriptovalyuta xüsusiyyətindən istifadə edilməklə klient hesablarına avtomatik göndərilməsi təklif olunur.

Multi-Task Peer Prediction Shapley Dəyərinin Yerini Qəti Şəkildə Tuta Bilərmi?

Bu iş bunu sübut etmir. MTPP-nin əsas üstünlüyü Shapley dəyəri kimi açıq töhfə ölçmə metodlarının yüksək hesablama xərclərini azalda biləcək fərqli təşviq yanaşması təqdim etməsidir.

Lakin müəlliflər mövcud MTPP metodlarının da həll edilməli problemləri olduğunu açıq şəkildə bildirirlər.

Məsələn Correlated Agreement və Peer Truth Serum kimi metodlarda məlumat paylanması haqqında geniş bilik tələb oluna bilər. Correlated Agreement üçün istifadə olunan delta matrisinin hesablanması da hələ ciddi hesablama yükü yarada bilər.

Dolayısı ilə məqalə “MTPP bütün töhfə ölçmə problemini həll etdi” nəticəsinə gəlmir. Daha çox blockchain üzərində tətbiq oluna biləcək daha yüngül təşviq qatı üçün araşdırılması lazım olan namizəd bir mexanizm təklif edir.

Tədqiqatın Metodu və Tapıntıları

Tədqiqat dizaynı

Bu iş eksperimental maşın öyrənməsi benchmark-ı deyil. Yeni modelin dəqiqlik göstəricilərini və ya blockchain şəbəkəsinin TPS, gecikmə, gas dəyəri və enerji sərfiyyatını ölçmür.

Metod üç əsas addımdan ibarətdir:

1. Federativ öyrənmədə töhfə ölçmə metodlarının və problemlərinin incələnməsi.
2. Blockchain-in federativ öyrənmədə aqreqasiya, koordinasiya, ödəniş və saxlama məqsədilə necə istifadə oluna biləcəyinin qiymətləndirilməsi.
3. MTPP + ümumi təyinatlı blockchain sistemlərini birləşdirən konseptual, mərkəzsiz və təşviqli FL memarlığının layihələndirilməsi.

İşin əsas töhfəsi nədir?

Məqalənin əsas töhfəsi yeni deep learning memarlığı deyil, iqtisadi təşviq mexanizmi ilə blockchain əsaslı koordinasiyanı eyni FL iş axınında birləşdirən sistem dizaynıdır.

Təklif edilən quruluş:

• mərkəzi aqreqasiya otoritesinin təsirini azaltmağı,
• ödəniş qaydalarını smart contract ilə avtomatlaşdırmağı,
• iştirakçı davranışını MTPP ilə təşviq etməyi,
• commit-reveal ilə sonradan təqlidi çətinləşdirməyi,
• VRF ilə tərəfsiz uyğunlaşdırma etməyi,
• IPFS ilə blockchain saxlama yükünü azaltmağı

hədəfləyir.

Məqalənin dəstəklədiyi şərhlər

• Blockchain klassik FL-dəki mərkəzi serverin bəzi vəzifələrini üzərinə götürə bilər.
• Kriptovalyuta və smart contract infrastrukturu avtomatik ödəniş mexanizmləri üçün istifadə oluna bilər.
• MTPP ground truth olmadan iştirakçı hesabatlarının korrelyasiyasından istifadə edərək təşviq yaratmaq potensialına malikdir.
• IPFS kimi off-chain saxlama həlləri blockchain-in məlumat çoğaltma dəyərini azalda bilər.
• Commit-reveal və VRF mexanizmləri təklif olunan təşviq prosesindəki bəzi manipulyasiya risklərini azaltmağı hədəfləyir.

Məqalənin dəstəkləmədiyi şərhlər

• Sistem real Ethereum və ya başqa blockchain şəbəkəsində istehsal miqyasında test edilməyib.
• MTPP-nin hər vəziyyətdə Shapley dəyərindən daha ədalətli olduğu göstərilməyib.
• Təklif olunan memarlığın təlim dəqiqliyini artırdığına dair eksperimental nəticə təqdim olunmur.
• Gas dəyəri, throughput, gecikmə, enerji sərfiyyatı və ya maksimum istifadəçi sayı ölçülməyib.
• Model aqreqasiyasının tam olaraq hansı iştirakçı tərəfindən ediləcəyi qəti şəkildə həll olunmayıb.
• Quruluşun istehsala hazır olduğu göstərilməyib.

Tədqiqatın əsas məhdudiyyətləri

1. MTPP detalları hələ tam həll olunmayıb. Correlated Agreement və Peer Truth Serum kimi mexanizmlər məlumat paylanması haqqında bilik tələb edə bilər. CA üçün delta matrisinin hesablanması da zəncir üzərində hələ bahalı ola bilər.

2. Tətbiq və performans testi yoxdur. Real performans istifadə olunan blockchain memarlığına, konsensus mexanizminə, peer sayına, virtual maşının məlumat tiplərinə, məlumat kodlaşdırmasına və IPFS sorğu quruluşuna bağlı olacaq.

3. Aqreqator seçimi açıq problemdir. Şəkildə model parametrlərinin sonda kimin tərəfindən aqreqasiya ediləcəyi qəti müəyyənləşdirilməyib. Müəlliflər oracle tərəfindən təsadüfi seçilən iştirakçı, optimistic yanaşma və ya çoxluq səsi kimi seçimlərin araşdırıla biləcəyini bildirirlər.

4. Mərkəzsizliyin bir dəyəri var. Blockchain üzərindəki bütün əməliyyatların çox sayda düyün tərəfindən saxlanması və hesablanması mərkəzi quruluşla müqayisədə əlavə əməliyyat və saxlama xərci yarada bilər.

Mənbə və Metod Qeydi

Özgün başlıq: Democratizing Federated Learning with Blockchain and Multi-Task Peer Prediction

Müəlliflər: Leon Witt, Wojciech Samek, Kentaroh Toyoda, Dan Li.

Müəllif qurumları: Tsinghua University, Fraunhofer HHI, TU Berlin və A*STAR Institute of High Performance Computing.

Mənbə: arXiv.

ArXiv kimliyi: arXiv:2603.28434v1 [cs.CR].

Tarix: 30 mart 2026.

İşin növü: Konseptual memarlıq / sistem dizaynı / ədəbiyyat əsaslı texniki təklif.

Əsas sahələr: Federated Learning, blockchain, incentive mechanisms, smart contracts, Multi-Task Peer Prediction.

Əsas memarlıq komponentləri: Blockchain registration, local model training, public test set inference, hash-commit, salt, IPFS, VRF oracle, reveal, MTPP scoring və cryptocurrency payment.

Təcrübə vəziyyəti: İş real blockchain tətbiqi və ya kəmiyyət performans benchmark-ı təqdim etmir.

Elmi şərh həddi: “Demokratikləşdirmə” ifadəsi müəlliflərin mərkəzi server asılılığını azaltmaq və iştirakçılara daha bərabər səlahiyyət/mükafat vermək istiqamətində sistem dizaynı məqsədini ifadə edir. Təklif olunan memarlığın real dünyada miqyaslana bilən, iqtisadi və ya bütün iştirakçılar baxımından ədalətli olduğu hələ eksperimental olaraq göstərilməyib.