arXiv · cs.AI· Zahra Batool, Michael Duchesne, Kaiwen Zhang, Ulrich Aivodji·· 5 小时前
DeFiRank：面向去中心化金融网络治理的联邦成对排序方法
DeFiRank: Federated Pairwise Ranking for Governance in Decentralized Financial Networks
arXiv:2610.12916v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zahra Batool, Michael Duchesne, Kaiwen Zhang, Ulrich Aivodji
研究任务与主要进展
DeFiRank 是一种基于联邦学习的成对排序框架，多家机构可在不共享私有交易数据的情况下协同训练排序模型，依据行为真实性对网络提供者进行升降级排序。在真实区块链交易数据集上，其排序性能略低于中心化基线（NDCG@15 约 0.87 对 0.92），排序稳定性相当（Kendall τ 均约 0.70），并完成 648 个提供者升级和 39 个降级，无需集中访问敏感交易数据。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org