PulseAugur
中
实时 08:23:16
English(EN) \mathsf{VISTA}: Decentralized Machine Learning in Adversary Dominated Environments

VISTA算法可在敌对环境中实现去中心化机器学习

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的去中心化机器学习算法VISTA，该算法即使在敌对节点控制多数的情况下也能有效运行。该系统基于激励框架运行，仅奖励相互一致的报告，从而将敌对者转变为理性代理人，在腐败与潜在奖励损失之间进行权衡。VISTA使用优化历史自适应调整其接受阈值，展示了比静态方法更优的收敛性，并保留了与标准SGD相似的渐近收敛特性，而无需诚实多数。 AI

影响 引入了一种鲁棒的去中心化机器学习方法，即使在多数节点恶意的情况下也能运行，有望提高分布式AI系统的安全性和可靠性。

排序理由 学术论文，详细介绍了一种用于去中心化机器学习的新算法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

VISTA算法可在敌对环境中实现去中心化机器学习

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Mohammad Ali Maddah-Ali ·

    \mathsf{VISTA}: Decentralized Machine Learning in Adversary Dominated Environments

    Decentralized machine learning often relies on outsourcing computations, such as gradient evaluations, to untrusted worker nodes. Existing robust aggregation methods can mitigate malicious behavior under honest-majority assumptions, but may fail when adversaries control a majorit…

相关实体

相关话题