在当前机器学习（ML）范式中，训练数据的集中式处理存在隐私和安全风险。联邦学习（FL）应运而生，但恶意客户端的投毒攻击成为一大难题。FLock公司及其合作研究者们通过基于区块链的FL系统框架解决了这一问题，并该研究成果被顶尖期刊接收。
FLock的设计灵感来源于PoS区块链共识机制和桌面游戏《The Resistance》，提出了基于区块链的FL全局聚合的多数投票机制。每轮训练中，参与者通过提议和投票来验证和更新全局模型。实验结果显示，FLock在恶意节点存在的情况下依然保持稳健性能，成功抵抗了恶意攻击。
FLock的方案已被落地实现，团队将推出去中心化AI模型训练平台，为开发者和任务创建者提供便利。同时，FLock也在探索更多维度的分布式AI安全解决方案，致力于将技术投入工程实践。期待更多来自FLock的去中心化AI解决方案！
