FedTrust-GNN 在 1 万至 10 万参与者规模下达到 94.2% 准确率,并将标签翻转攻击成功率从 34% 降至 6.1%
该工作提出 FedTrust-GNN,一个把差分隐私联邦学习与安全多方计算、采用 PBFT 共识的许可链、以及异构图注意力网络(HGAT)推断的动态信任分数结合起来的去中心化用户建模框架,并用信任加权鲁棒聚合(TWRA,结合范数裁剪与坐标中位数聚合)实现拜占庭容错;在 Federated EMNIST、Stack Overflow 与合成数据集(1 万至 10 万参与者)上报告 94.2% 准确率(与中心化模型相差 1.3% 以内)、标签翻转攻击成功率由 34% 降至 6.1%(降低 82%)、收敛稳定性提升 41%,以及 1200 TPS 与 2.3 秒最终性的区块链性能。