Федеративное обучение (FL)

Savitri Network включает on-chain систему Федеративного обучения для децентрализованного обучения ИИ-моделей. Контракты FL управляют регистрацией моделей, раундами обучения, отправкой обновлений, распределением вознаграждений и управлением.

Архитектура

Governance (proposals + voting)
    │
    ▼
Model Registry
    │ register model, assign roles, version tracking
    ▼
Job Lifecycle
    │ create round → open → submit updates → seal → finalize
    ▼
Reward Pool
    │ Merkle-proof reward claims
    ▼
Trainers + Aggregators

Реестр моделей

Модели регистрируются on-chain с метаданными, версионированием и управлением доступом на основе ролей.

Регистрация модели

// Register a new model
FlModelRegistry::register_model(
    &mut storage,
    &db,
    &creator,           // [u8; 32] - model creator address
    "sentiment-v1",     // model name
    "ipfs://Qm.../meta", // metadata URI
    "MIT",              // license URI
    "ipfs://Qm.../weights", // initial weights URI
    &mut events,
    Some(&mut gas),
)?;

Версионирование моделей

Модели имеют неизменяемые цепочки версий. Каждая новая версия ссылается на родительскую:

v1 (initial) → v2 (fine-tuned) → v3 (production)

Метаданные версии включают:

• metadata_uri: описание архитектуры модели
• weights_uri: местоположение обученных весов
• aggregator: адрес, создавший данную версию
• parent_version: ссылка на предыдущую версию

Управление доступом на основе ролей (RBAC)

Роль	Права
Creator	Регистрация моделей, управление версиями, установка политик
Viewer	Чтение метаданных и версий модели
Trainer	Отправка обновлений обучения в раунды
Aggregator	Агрегация обновлений, финализация раундов, создание версий

Доступ тренеров контролируется через список разрешений/запрещений для каждой модели.

Управление политиками

Каждая модель имеет настраиваемые политики:

Политика	Описание
access_policy_hash	Кто может получить доступ к данным модели
reward_policy_hash	Как распределяются вознаграждения
max_trainers	Максимальное количество одновременных тренеров
aggregator_whitelist	Одобренные агрегаторы

Жизненный цикл задачи

Обучение FL организовано в раунды с определённым жизненным циклом:

Planned → Open → Sealed → Finalized
                    ↘ Aborted (via governance)

Состояния раунда

Состояние	Описание	Допустимые действия
Planned	Раунд создан, обновления ещё не принимаются	Открыть
Open	Принимаются обновления от тренеров	Отправить обновление, Запечатать
Sealed	Обновления больше не принимаются, идёт агрегация	Финализировать, Прервать
Finalized	Вознаграждения распределены, раунд завершён	Получить вознаграждения
Aborted	Раунд отменён через систему управления	Нет

Создание раунда

FlJobLifecycle::create_round(
    &mut storage,
    &db,
    &creator,
    &model_id,          // [u8; 32]
    round_id,           // u64
    reward_pool_amount,  // u128
    &mut events,
    Some(&mut gas),
)?;

Отправка обновления обучения

Тренеры отправляют обновления модели в фазе Open:

FlJobLifecycle::submit_update(
    &mut storage,
    &db,
    &trainer,           // [u8; 32]
    &model_id,
    round_id,
    &update_data,       // training update bytes
    nonce,              // replay protection
    &mut events,
    Some(&mut gas),
)?;

Защита от повтора: у каждого тренера есть nonce для каждого раунда, который должен строго возрастать.

Запечатывание и финализация

// Seal round (stop accepting updates)
FlJobLifecycle::seal_round(&mut storage, &db, &aggregator, &model_id, round_id, ...)?;

// Finalize round (distribute rewards)
FlJobLifecycle::finalize_round(
    &mut storage, &db, &aggregator, &model_id, round_id,
    &merkle_root,       // reward distribution Merkle root
    &new_weights_uri,   // aggregated model weights
    ...
)?;

Получение вознаграждений

Тренеры получают вознаграждения с помощью доказательств Меркла:

FlJobLifecycle::claim_reward(
    &mut storage, &db, &trainer, &model_id, round_id,
    amount,             // reward amount
    &merkle_proof,      // proof of inclusion in reward distribution
    ...
)?;

Комиссия казны

Настраиваемый процент (fee_treasury_bps, макс. 10000 = 100%) удерживается из пула вознаграждений в казну сети. Расчёт использует арифметику с фиксированной точкой для предотвращения ошибок округления.

Предложения FL в управлении

Действия управления, специфичные для FL:

SetFlPolicy

Предложить изменения параметров FL:

ProposalAction::SetFlPolicy {
    fee_treasury_bps: 500,      // 5% treasury fee
    max_models: 100,            // max registered models
    aggregator_whitelist: vec!["addr1", "addr2"],
}

Валидация: fee_treasury_bps <= 10000, max_models > 0, непустой белый список.

ApproveFlModel

Утвердить модель для продакшена:

ProposalAction::ApproveFlModel {
    model_id: "abc123...64hex",  // 32-byte hex model ID
}

AbortFlRound

Аварийное прерывание активного раунда обучения:

ProposalAction::AbortFlRound {
    model_id: "abc123...64hex",
    round_id: 5,
}

Валидация: round_id > 0, корректный 32-байтовый model_id.

Схема хранилища

Контракты FL используют слоты хранилища начиная со 100:

Диапазон слотов	Назначение
100+	Метаданные моделей
200+	Цепочки версий
300+	Состояние раунда
400+	Отправленные обновления
500+	Пулы вознаграждений
600+	Маппинги ролей

Интеграция через SDK

use savitri_sdk::{TransactionBuilder, GovernanceAction};

// Create FL governance proposal
let tx = TransactionBuilder::new()
    .create_fl_proposal(
        "governance_contract_address",
        "Approve sentiment model v2",
        "Production-ready model with 95% accuracy",
        604800,  // 7-day voting period
    )
    .nonce(nonce)
    .fee(5_000_000_000_000_000)
    .build_and_sign(&wallet)?;