論文の概要: Design and Analysis of Robust Resilient Diffusion over Multi-Task Networks Against Byzantine Attacks

• arxiv url: http://arxiv.org/abs/2206.12749v1
• Date: Sat, 25 Jun 2022 22:58:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-28 16:37:00.331011
• Title: Design and Analysis of Robust Resilient Diffusion over Multi-Task Networks Against Byzantine Attacks
• Title（参考訳）: ビザンチン攻撃に対するマルチタスクネットワーク上のロバスト回復性拡散の設計と解析
• Authors: Tao Yu, Rodrigo C. de Lamare and Yi Yu
• Abstract要約: 本稿では,マルチタスクネットワーク上での分散拡散適応について,インパルス干渉とビザンチン攻撃の存在下で検討する。 我々は,Geman-McClure-estimation (RDLMG) アルゴリズムを,Geman-McClure estimator のコスト関数に基づいて開発する。 提案したRDLMGアルゴリズムのマルチターゲットローカライゼーションおよびマルチタスクスペクトルセンシングへの応用に関する数値的な評価を行った。
• 参考スコア（独自算出の注目度）: 38.740376971569695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper studies distributed diffusion adaptation over clustered multi-task networks in the presence of impulsive interferences and Byzantine attacks. We develop a robust resilient diffusion least mean Geman-McClure-estimation (RDLMG) algorithm based on the cost function used by the Geman-McClure estimator, which can reduce the sensitivity to large outliers and make the algorithm robust under impulsive interferences. Moreover, the mean sub-sequence reduced method, in which each node discards the extreme value information of cost contributions received from its neighbors, can make the network resilient against Byzantine attacks. In this regard, the proposed RDLMG algorithm ensures that all normal nodes converge to their ideal states with cooperation among nodes. A statistical analysis of the RDLMG algorithm is also carried out in terms of mean and mean-square performances. Numerical results evaluate the proposed RDLMG algorithm in applications to multi-target localization and multi-task spectrum sensing.
• Abstract（参考訳）: 本稿では,マルチタスクネットワーク上での分散拡散適応について,インパルス干渉とビザンチン攻撃の存在下で検討する。 我々は,German-McClure推定器が使用するコスト関数に基づいて,ロバストな弾性拡散最小値Geman-McClure-estimation (RDLMG)アルゴリズムを開発した。 さらに、各ノードが隣接ノードから受け取ったコスト貢献の極端値情報を破棄する平均サブシーケンス削減手法により、ビザンチン攻撃に対してネットワークの回復性が向上する。 この点において,提案するrdlmgアルゴリズムは,ノード間の協調により,すべての正規ノードが理想状態に収束することを保証する。 RDLMGアルゴリズムの統計解析も平均および平均2乗性能の観点から行う。 提案したRDLMGアルゴリズムをマルチターゲットローカライゼーションおよびマルチタスクスペクトルセンシングへの応用に応用した。

関連論文リスト

• Breaking the Curse of Multiagency in Robust Multi-Agent Reinforcement Learning [37.80275600302316]
  分布的にロバストなマルコフゲーム (RMG) は、MARLのロバスト性を高めるために提案されている。 RMGがマルチ緊急の呪いから逃れられるかどうか。 これは、RMGに対するマルチ緊急の呪いを破る最初のアルゴリズムである。
  論文  参考訳（メタデータ） (2024-09-30T08:09:41Z)
• Distributionally Robust Inverse Reinforcement Learning for Identifying Multi-Agent Coordinated Sensing [13.440621354486906]
  我々は、マルチエージェントセンシングシステムの実用機能を再構築するために、分布性に頑健な逆強化学習(IRL)アルゴリズムを導出する。 このロバストな推定と半無限の最適化再構成の等価性を証明し、計算解に対する一貫したアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-09-22T17:44:32Z)
• Rethinking Clustered Federated Learning in NOMA Enhanced Wireless Networks [60.09912912343705]
  本研究では,新しいクラスタ化フェデレーション学習(CFL)アプローチと,非独立かつ同一に分散した(非IID)データセットを統合することのメリットについて検討する。 データ分布における非IIDの度合いを測定する一般化ギャップの詳細な理論的解析について述べる。 非IID条件によって引き起こされる課題に対処する解決策は、特性の分析によって提案される。
  論文  参考訳（メタデータ） (2024-03-05T17:49:09Z)
• High Efficiency Inference Accelerating Algorithm for NOMA-based Mobile Edge Computing [23.88527790721402]
  デバイス、エッジサーバ、クラウド間の推論モデルを分割することで、EIの性能を大幅に向上させることができる。 B5G/6Gのキーとなる技術であるNOMAは、膨大な接続と高スペクトル効率を実現することができる。 本稿では,エッジでのモデル推論を高速化する効果的な通信資源割当アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-12-26T02:05:52Z)
• Guided Diffusion Model for Adversarial Purification [103.4596751105955]
  敵攻撃は、様々なアルゴリズムやフレームワークでディープニューラルネットワーク(DNN)を妨害する。 本稿では,GDMP ( Guided diffusion model for purification) と呼ばれる新しい精製法を提案する。 様々なデータセットにわたる包括的実験において,提案したGDMPは,敵対的攻撃によって引き起こされた摂動を浅い範囲に減少させることを示した。
  論文  参考訳（メタデータ） (2022-05-30T10:11:15Z)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• Coding for Distributed Multi-Agent Reinforcement Learning [12.366967700730449]
  ストラグラーは、様々なシステム障害が存在するため、分散学習システムで頻繁に発生する。 本稿では,ストラグラーの存在下でのMARLアルゴリズムの学習を高速化する分散学習フレームワークを提案する。 最大距離分離可能(MDS)コード、ランダムスパースコード、レプリケーションベースのコード、通常の低密度パリティチェック(LDPC)コードなど、さまざまなコーディングスキームも検討されている。
  論文  参考訳（メタデータ） (2021-01-07T00:22:34Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• Study of Diffusion Normalized Least Mean M-estimate Algorithms [0.8749675983608171]
  本研究では,修正ハマー関数に基づく拡散正規化最小平均M推定アルゴリズムを提案する。 我々は,アルゴリズムの過渡的,定常的,安定的な挙動を統一的なフレームワークで解析する。 様々なインパルスノイズシナリオのシミュレーションでは、提案アルゴリズムは既存の拡散アルゴリズムよりも優れていることが示されている。
  論文  参考訳（メタデータ） (2020-04-20T00:28:41Z)
• Adversarial Distributional Training for Robust Deep Learning [53.300984501078126]
  逆行訓練(AT)は、逆行例によるトレーニングデータを増やすことにより、モデルロバスト性を改善する最も効果的な手法の一つである。 既存のAT手法の多くは、敵の例を作らせるために特定の攻撃を採用しており、他の目に見えない攻撃に対する信頼性の低い堅牢性につながっている。 本稿では,ロバストモデル学習のための新しいフレームワークであるADTを紹介する。
  論文  参考訳（メタデータ） (2020-02-14T12:36:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。