文献

J-GLOBAL ID：202002228256816958   整理番号：20A0285658

分散機械学習のためのデータ毒検出方式【JST・京大機械翻訳】

Data Poison Detection Schemes for Distributed Machine Learning

著者 (6件)： Chen Yijin (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Mao Yuming (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Liang Haoyang (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Yu Shui (School of Software, University of Technology Sydney, Sydney, NSW, Australia) ,  Wei Yunkai (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Leng Supeng (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 7442-7454  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 分散機械学習(DML)は,単一ノードが許容できる時間内で正確な結果を出すことができないとき,大量のデータセット訓練を実現することができる。しかしながら,これは,非分散環境と比較して攻撃者に対するより潜在的な目標を必然的に曝露する。本論文では,DMLを基本DMLと半DMLに分類した。基本-DMLにおいて,中央サーバは学習タスクを分散機械に配分し,それらの学習結果を集約する。一方,半DMLにおいて,センターサーバは,基本DMLにおけるそのデューティに加えて,さらに資源をデータセット学習にさらした。著者らは,まず第一に,基本-DMLのための新規データ毒検出方式を提唱して,それは,交差学習機構を利用して,被毒データを見つけ出した。提案した交差学習機構が訓練ループを生成することを証明し,それに基づいて,数学モデルを確立して,訓練ループの最適数を見出した。次に,半DMLのために,著者らは,中央資源の助けを借りてより良い学習保護を提供するために,改良データ毒検出方式を提示した。システム資源を効率的に利用するために,最適資源配分アプローチを開発した。シミュレーション結果は,提案した方式が,サポートベクトルマシンに対して最大20%まで,そして,基本-DMLシナリオにおけるロジスティック回帰に対して60%まで,最終モデルの精度を著しく改善できることを示した。さらに,半DMLシナリオにおいて,最適資源配分による改良データ毒物検出方式は,20-100%のために無駄な資源を減少することができた。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 関税 ,  数学モデル ,  *機械学習 ,  *学習 ,  サポートベクトルマシン ,  シミュレーション
準シソーラス用語： ロジスティック回帰分析 ,  最適資源配分 ,  攻撃者 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 機械学習 ,  毒