操作确认框及消息提示框的使用

分布式机器学习1.基于数据的并行化，数据分布在不同的服务器中，训练相同的机器学习模型。2.基于模型平行操作，机器学习模型被划分为几个子模块，使用相同的训练数据训练不同的子模块。联邦学习存在的问题1.终端设备由于资源限制，可能无法与中心服务器分享模型参数。（提出了协作式联邦学习，终端设备与邻居设备共享模型参数，对本地模型数据进行聚合，将聚合模型与中心服务器共享。）2.由于模型参数使用和过多使用通信网

为了解决联邦学习方案中存在的问题，文章提出了一种用于联邦学习的轻量级区块链 TORR。一种新颖的共识协议可靠性证明旨在实现快速共识，同时减轻掉队者的影响。同时基于纠删码和周期性存储刷新策略设计了存储协议。

本文重点关注基于区块链的联邦学习框架中的数据和模型安全性，解决两个主要挑战：（1）如何在基于区块链的联邦学习架构中平衡中毒攻击和推理攻击的保护，（2）如何衡量每个参与节点的可信度以提高架构的安全性。聚合模型区块存储上传该聚合模型的验证节点、聚合模型、聚合模型的准确率、训练节点的得分以及下一轮验证节点的替代列表。这样保证了每一轮都是从分数较高且性能没有明显波动的节点中选择验证节点，同时在每一轮训练中