論文の概要: ByzFL: Research Framework for Robust Federated Learning

• arxiv url: http://arxiv.org/abs/2505.24802v1
• Date: Fri, 30 May 2025 17:08:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 19:47:53.090835
• Title: ByzFL: Research Framework for Robust Federated Learning
• Title（参考訳）: ByzFL:ロバストなフェデレーションラーニングのための研究フレームワーク
• Authors: Marc González, Rachid Guerraoui, Rafael Pinot, Geovani Rizk, John Stephan, François Taïani,
• Abstract要約: 提案するByzFLは,ベンチマーク学習(FL)アルゴリズムを開発するためのオープンソースのライブラリである。 ByzFLは、最先端の堅牢なアグリゲータの実装を含む統一されたフレームワークを提供する。 このライブラリは、単一ベースの構成ファイルを通じて体系的な実験を可能にし、結果を視覚化するための組み込みユーティリティを含んでいる。
• 参考スコア（独自算出の注目度）: 11.23722364748134
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present ByzFL, an open-source Python library for developing and benchmarking robust federated learning (FL) algorithms. ByzFL provides a unified and extensible framework that includes implementations of state-of-the-art robust aggregators, a suite of configurable attacks, and tools for simulating a variety of FL scenarios, including heterogeneous data distributions, multiple training algorithms, and adversarial threat models. The library enables systematic experimentation via a single JSON-based configuration file and includes built-in utilities for result visualization. Compatible with PyTorch tensors and NumPy arrays, ByzFL is designed to facilitate reproducible research and rapid prototyping of robust FL solutions. ByzFL is available at https://byzfl.epfl.ch/, with source code hosted on GitHub: https://github.com/LPD-EPFL/byzfl.
• Abstract（参考訳）: 我々は、堅牢な連邦学習(FL)アルゴリズムの開発とベンチマークのためのオープンソースのPythonライブラリであるByzFLを紹介する。 ByzFLは、最先端の堅牢なアグリゲータの実装、一連の設定可能なアタック、異種データ分散、複数のトレーニングアルゴリズム、敵の脅威モデルを含む様々なFLシナリオをシミュレートするツールを含む、統一的で拡張可能なフレームワークを提供する。 このライブラリは、単一のJSONベースの構成ファイルを通じて体系的な実験を可能にし、結果を視覚化するための組み込みユーティリティを含んでいる。 ByzFLは、PyTorchテンソルやNumPy配列と互換性があり、再現可能な研究と堅牢なFL溶液の高速なプロトタイピングを容易にするように設計されている。 ByzFLはhttps://github.com/LPD-EPFL/byzfl.ch/で公開されている。

関連論文リスト

• pfl-research: simulation framework for accelerating research in Private Federated Learning [6.421821657238535]
  pfl-researchは、Federated Learning(FL)をシミュレートする高速でモジュール化された、使いやすいPythonフレームワークである。 セットアップ、PyTorch、非ニューラルネットワークモデルをサポートし、最先端のアルゴリズムと密に統合されている。 我々は,多様な現実的なシナリオに対して,アルゴリズムの全体的な性能を評価するベンチマークスイートをリリースする。
  論文  参考訳（メタデータ） (2024-04-09T16:23:01Z)
• NeFL: Nested Model Scaling for Federated Learning with System Heterogeneous Clients [44.89061671579694]
  フェデレートラーニング(FL)は、データのプライバシを保ちながら分散トレーニングを可能にするが、ストラグラーのスローあるいは無効なクライアントは、トレーニング時間を大幅に短縮し、パフォーマンスを低下させる。 深層ニューラルネットワークを深層スケールと幅ワイドスケーリングの両方を用いてサブモデルに効率的に分割するフレームワークであるネスト付きフェデレーションラーニング(NeFL)を提案する。 NeFLは、特に最低ケースのサブモデルでは、ベースラインアプローチに比べてパフォーマンスが向上する。
  論文  参考訳（メタデータ） (2023-08-15T13:29:14Z)
• torchgfn: A PyTorch GFlowNet library [56.071033896777784]
  torchgfnはPyTorchライブラリで、このニーズに対処することを目指している。 環境のためのシンプルなAPIと、サンプルと損失のための有用な抽象化を提供する。
  論文  参考訳（メタデータ） (2023-05-24T00:20:59Z)
• TorchFL: A Performant Library for Bootstrapping Federated Learning Experiments [4.075095403704456]
  本稿では,フェデレート学習実験をブートストラップするパフォーマンスライブラリTorchFLを紹介する。 TorchFLはPyTorchとLightningを使ってボトムアップで設計されている。 PyTorchとLightningを使用したボトムアップ設計に基づいて構築されたTorchFLは、モデル、データセット、FLアルゴリズムのための準備の整った抽象化を提供する。
  論文  参考訳（メタデータ） (2022-11-01T20:31:55Z)
• FLamby: Datasets and Benchmarks for Cross-Silo Federated Learning in Realistic Healthcare Settings [51.09574369310246]
  Federated Learning(FL)は、センシティブなデータを保持している複数のクライアントが協力して機械学習モデルをトレーニングできる新しいアプローチである。 本稿では,医療分野に重点を置くクロスサイロ・データセット・スイートFLambyを提案し,クロスサイロ・FLの理論と実践のギャップを埋める。 私たちのフレキシブルでモジュラーなスイートによって、研究者は簡単にデータセットをダウンロードし、結果を再現し、研究のためにさまざまなコンポーネントを再利用することができます。
  論文  参考訳（メタデータ） (2022-10-10T12:17:30Z)
• FL_PyTorch: optimization research simulator for federated learning [1.6114012813668934]
  フェデレートラーニング(FL)は、エッジデバイスが共同で機械学習モデルを学ぶための有望なテクニックとして登場した。 FL_PyTorchはpythonで書かれたオープンソースのソフトウェアスイートで、最も人気のあるDeep Learning (DL)フレームワークであるPyTorchの上に構築されている。
  論文  参考訳（メタデータ） (2022-02-07T12:18:28Z)
• Solo-learn: A Library of Self-supervised Methods for Visual Representation Learning [83.02597612195966]
  solo-learnは視覚表現学習のための自己指導型のメソッドのライブラリである。 Pythonで実装され、PytorchとPytorch Lightningを使用して、このライブラリは研究と業界のニーズの両方に適合する。
  論文  参考訳（メタデータ） (2021-08-03T22:19:55Z)
• FedML: A Research Library and Benchmark for Federated Machine Learning [55.09054608875831]
  フェデレート・ラーニング(Federated Learning, FL)は、機械学習の分野で急速に成長している研究分野である。 既存のFLライブラリは多様なアルゴリズム開発を適切にサポートできない。 FLアルゴリズムの開発と公正な性能比較を容易にするための,オープンな研究ライブラリとベンチマークであるFedMLを紹介する。
  論文  参考訳（メタデータ） (2020-07-27T13:02:08Z)

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。