PulseAugur
中
实时 22:49:21
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}：在对抗者主导环境中的去中心化机器学习

    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