读过的一些论文的要点，主要是方便自己查阅和整理，不保证一定对。有什么错漏希望评论区不吝指正。
按我关注的点稍微分了一下类：
- 基于区块链本身和联邦学习的结合，重点在于利用区块链的特性为机器学习更好地服务。
- 区块链和可信执行环境的结合，重点在于数据安全，在此基础上或许可以扩展出一些新的区块链与其他事物的结合。
- 区块链与原有的一些应用于代码的东西的结合，重点在于更好地利用区块链。
- 区块链本身相关的论文。
1.1 On-Device Federated Learning via Blockchain and its Latency Analysis
这篇大佬讲得很详细，就是在联邦学习中加入区块链，用于代替中央服务器。通过区块链来交换本地参数，并提供了验证和奖励机制。
本文特殊的点在于Block FL每个设备从最新的块计算全局模型更新，这是下一个本地模型更新的输入。也就是说※Block FL全局模型更新是在每个设备本地计算的。因此，矿工/设备在全局模型更新中的故障不会影响其他设备的局部全局模型更新，从而确保整体训练的健壮性。但与普通FL相比，Block FL需要支付区块链网络产生的额外延迟。
算是对联邦学习进一步去中心化，但是数据隐私的问题依然不能很好解决。
1.2 DeepChain: Auditable and Privacy-Preserving Deep Learning with Blockchain-based Incentive
基本可以算是对上一篇的扩展，增加了一个梯度加密和协同解密的步骤，以增加数据安全性，具体可以看大佬解说。此外还增加了新的激励模型。
个人感觉这篇没有太大的价值，可不看。
1.3 Towards fair and decentralized privacy-preserving deep learning with blockchain
也是区块链和联邦学习的结合，通过结合每个参与者的奉献度来给予它们不同的FL模型，以确保公平性，促进参与者的积极性。
听起来还蛮有意思的，有时间的话可能会细看一下。
2.1 Town Crier：An Authenticated Data Feed for Smart Contracts
之前说得比较详细了，主要就是在区块链和第三方网站中引入可信执行环境SGX来保证数据安全。
不是很复杂但是感觉在很多方面可以借鉴一下思路。
2.2 SPDS: A Secure and Auditable Private Data Sharing Scheme for Smart Grid Based on Blockchain
也是区块链和可信执行环境的结合，不同的是区块链存储的是数据的调用记录。
是个不错的想法，可以借鉴着做点东西出来。
2.3 Decentralized Identity Authentication with Trust Distributed in Blockchain Backbone
结合了区块链和可信执行环境制作的一个身份认证，没必要看。
3.1 LATTE: Visual Construction of Smart Contracts
给智能合约增加了一个可视化的操作页面。
算是拿原有的一些可应用于代码的东西和区块链结合起来。
3.2 Blockchain analytics and artificial intelligence
介绍了一个连接到区块链的分析引擎，走的是结合数据分析和可视化的路子。
我没细看，感觉和上面那篇有一些思路上的相同之处，都是已有的东西应用到区块链上。
4.1 On the Security and Performance of Proof of Work Blockchains
作者提出了一个新的量化框架，以此客观地评估基于pow的区块链的安全和性能。
和机器学习没什么关系，但是量化的思想是很好的。