实体
Diego Cajaraville-Aboy
Diego Cajaraville-Aboy
PulseAugur coverage of Diego Cajaraville-Aboy — every cluster mentioning Diego Cajaraville-Aboy across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新架构赋能流式AI和物联网的去中心化编排
一篇新论文提出了一种面向流式计算环境的去中心化编排架构，旨在改善跨异构设备（如终端设备、边缘基础设施和云平台）的资源管理。该架构使自主域能够协调并满足部署请求，同时保持本地控制。作为实际演示，该系统应用于一个多域去中心化联邦学习用例，并整合了一个名为FU-HST的SDN赋能的异常检测机制，以增强对拜占庭威胁的安全性。
-
新的 CO-DEFEND 框架支持隐私保护的 DoH 威胁检测
研究人员开发了一个名为 CO-DEFEND 的新框架，以解决在保护数据隐私的同时检测恶意 DNS over HTTPS (DoH) 流量的挑战。这种去中心化的联邦学习方法允许多个实体在不共享其敏感本地数据的情况下实时协作训练机器学习模型。该框架将支持向量机、逻辑回归、决策树和随机森林等常用机器学习算法适配到这种联邦环境中，与现有方法相比，在威胁检测方面表现出更高的可扩展性和效率。
-
新的WFAgg算法增强了去中心化联邦学习的安全性
研究人员开发了一种名为WFAgg的新型拜占庭鲁棒聚合算法，用于去中心化联邦学习（DFL）。该算法旨在通过识别和缓解拜占庭攻击来增强DFL环境的安全性，即使在动态去中心化拓扑中也是如此。实验结果表明，WFAgg在图像分类任务上能有效保持模型准确性和收敛性，其性能优于现有的中心化拜占庭鲁棒聚合方法，如Multi-Krum和Clustering。