バケットによる異種データ集合上のByzantine-Robust学習【JST・京大機械翻訳】

Karimireddy Sai Praneeth; He Lie; Jaggi Martin

プレプリント

J-GLOBAL ID：202202209620939430 整理番号：21P0035915

バケットによる異種データ集合上のByzantine-Robust学習【JST・京大機械翻訳】

Byzantine-Robust Learning on Heterogeneous Datasets via Bucketing

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年06月16日プレプリントサーバーでの情報更新日： 2023年11月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ビザンチンロバスト分散または連合学習において,中央サーバは,複数の労働者を横断したデータ上で機械学習モデルを訓練する。しかし,これらの労働者の一部は,所定のアルゴリズムから逸脱し,任意のメッセージを送る可能性がある。この問題は最近大きな注目を集めているが,ほとんどの現在の防御は労働者が同一のデータを持つと仮定する。労働者のデータが不均一(非iid)である場合,現実的な事例では,現在の防御を回避する新しい攻撃を設計し,性能の著しい損失をもたらす。次に,既存のロバストアルゴリズムを,無視できる計算コストで異種データセットに適応させる簡単なバケティング方式を提案した。また,著者らのアプローチを理論的および実験的に検証し,既存のロバストアルゴリズムとバケッティングを結合することは,攻撃に対して有効であることを示している。本研究は,現実的な仮定の下で,非iid Byzantineロバスト問題に対する保証された収束を確立する最初のものである。【JST・京大機械翻訳】

, , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る