[論文レビュー] FWeb3: A Practical Incentive-Aware Federated Learning Framework

Peishen Yan, Shuang Liang+10 more|arXiv (Cornell University)|Feb 28, 2026

Privacy-Preserving Technologies in Data被引用数 0

ひとこと要約

Web3対応のインセンティブ意識型連合学習フレームワーク FWeb3 は、モジュール化された設計、オフチェイン学習、オンチェインインセンティブでオープン参加を実現します。

ABSTRACT

Federated learning (FL) enables collaborative model training over distributed private data. However, sustaining open participation requires incentive mechanisms that compensate contributors for their resources and risks. Enabled by Web3 primitives, especially blockchains, recent FL proposals incorporate incentive mechanisms for open participation, yet most focus primarily on algorithmic design and overlook system-level challenges, including coordination efficiency, secure handling of model updates, and practical usability. We present FWeb3, a practical Web3-enabled FL framework for incentive-aware training in open environments. FWeb3 adopts a modular architecture that separates FL functions from Web3 support services, decoupling the off-chain training and data plane from on-chain settlement while preserving verifiable incentive execution. The framework supports pluggable aggregation and contribution evaluation methods and provides a browser-native DApp interface to lower the participation barrier. We evaluate FWeb3 in real-world settings and show that it supports end-to-end incentive-aware FL with transaction and data-transfer overheads of only 21.3% and 3.4% in WAN; FWeb3 also deploys from zero configuration in under 3 minutes and enables user onboarding in under 1 minute.

研究の動機と目的

• オープン環境におけるインセンティブ適合FLのためのシステムレベル要件を4つ定義する：透明な決済、Web3 制約下での効率、アップデートのセキュリティ、使いやすさ/拡張性。
• 学習をブロックチェーン決済から分離しつつ検証可能なインセンティブを実現するモジュール型FLフレームワーク（FWeb3）を設計する。
• オフチェインデータプレーンとオンチェイン決済を備えたWeb3対応アーキテクチャを提供し、オープン参加をサポートする。
• LAN および WAN 環境で、オーバーヘッドが許容範囲で迅速な導入/オンボーディングを実現するエンドツーエンドのインセンティブ意識型FLを実証する。

提案手法

• 構成、学習、集約、貢献評価の4モジュールFLワークフローを提案し、プラグインアルゴリズムで実装する。
• FL の実行を Web3 サポートから分離し、ハイブリッドデータプレーンと最小限のオンチェイン相互作用を採用する。
• 局所更新の保護とインセンティブ計算に用いる更新の完全性を確保するため、暗号技術的セキュリティを使用する。
• 新規集約/貢献方法の拡張性と参加の容易さを実現するブラウザネイティブDAppインターフェースを実装する。
• 所有者実行（デフォルト）集約モデルを採用し、ブロックチェーンを監査/決済レイヤとして機能させる一方で、将来的には委員会実行の代替案を可能とする。

Figure 1. End-to-end IPFS transfer throughput for exchanging model updates under CAN and WAN settings.

実験結果

リサーチクエスチョン

• RQ1 Web3のプリミティブを用いて、オープン参加におけるFLをインセンティブ適合化するにはどうすればよいか。
• RQ2 オーバーヘッドを最小化しつつ、セキュリティと検証性を維持するモジュール型アーキテクチャとデータフロー設計はどのようなものか。
• RQ3 実ネットワーク（LAN/WAN）で実用的な展開と導入を伴うエンドツーエンドのインセンティブ意識型FLを実現できるか。

主な発見

• WAN でのトランザクションおよびデータ転送オーバーヘッドが 21.3%、3.4% のエンドツーエンドのインセンティブ意識型FLを実現。
• ゼロ設定のデプロイが3分以内に達成可能。
• ユーザーのオンボーディングが1分未満で完了。
• モジュラーアーキテクチャにより学習と決済を分離し、FLの効率を維持。
• オンチェイン決済が貢献を記録し、スマートコントラクトによる報酬配分を自動化。
• プラグイン集合と貢献評価手法（例：SHAPLEY、Leave-One-Out）をサポート。

Figure 2. Overview of FWeb3 . The framework involves three roles (customer, trainer, and aggregator) and four FL functional modules (configuration, training, aggregation, and contribution evaluation), organized over a Web3 supporting layer with three components (trusted transaction, information comm