論文の概要: EByFTVeS: Efficient Byzantine Fault Tolerant-based Verifiable Secret-sharing in Distributed Privacy-preserving Machine Learning

• arxiv url: http://arxiv.org/abs/2509.12899v1
• Date: Tue, 16 Sep 2025 09:54:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-17 17:50:53.018013
• Title: EByFTVeS: Efficient Byzantine Fault Tolerant-based Verifiable Secret-sharing in Distributed Privacy-preserving Machine Learning
• Title（参考訳）: EByFTVeS:分散プライバシ保存機械学習における効率的なビザンチンフォールトトレラントベースの検証可能なシークレット共有
• Authors: Zhen Li, Zijian Zhang, Wenjin Yang, Pengbo Wang, Zhaoqi Wang, Meng Li, Yan Wu, Xuyang Liu, Jing Sun, Liehuang Zhu,
• Abstract要約: 検証可能な秘密共有(VSS)は、分散プライバシ保護機械学習(DPML)で広く使われている。 我々は、適応共有遅延対策(ASDP)戦略を探求し、ASDPをベースとしたカスタマイズモデル中毒攻撃(ACuMPA)を開始する。 本稿では, [E] 能率 [By]zantine [F]ault [T]olerant-based [S]ecret-sharing (EByFTVeS) 方式を提案する。
• 参考スコア（独自算出の注目度）: 40.83579204799341
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Verifiable Secret Sharing (VSS) has been widespread in Distributed Privacy-preserving Machine Learning (DPML), because invalid shares from malicious dealers or participants can be recognized by verifying the commitment of the received shares for honest participants. However, the consistency and the computation and communitation burden of the VSS-based DPML schemes are still two serious challenges. Although Byzantine Fault Tolerance (BFT) system has been brought to guarantee the consistency and improve the efficiency of the existing VSS-based DPML schemes recently, we explore an Adaptive Share Delay Provision (ASDP) strategy, and launch an ASDP-based Customized Model Poisoning Attack (ACuMPA) for certain participants in this paper. We theoretically analyzed why the ASDP strategy and the ACuMPA algorithm works to the existing schemes. Next, we propose an [E]fficient [By]zantine [F]ault [T]olerant-based [Ve]rifiable [S]ecret-sharing (EByFTVeS) scheme. Finally, the validity, liveness, consistency and privacy of the EByFTVeS scheme are theoretically analyzed, while the efficiency of the EByFTVeS scheme outperforms that of the-state-of-art VSS scheme according to comparative experiment results.
• Abstract（参考訳）: 悪意あるディーラーや参加者の不正な共有は、正直な参加者に対する受信した共有のコミットメントを検証することで認識できるため、VSSは分散プライバシ保護機械学習(DPML)で広く普及している。 しかし、VSSベースのDPMLスキームの一貫性と計算と通信の負担は、いまだに2つの深刻な課題である。 近年,Byzantine Fault Tolerance (BFT) システムは,既存のVSSベースのDPMLスキームの一貫性の確保と効率の向上を図っているが,適応共有遅延対策(ASDP)戦略を探求し,特定の参加者を対象としたASDPベースのカスタムモデル中毒攻撃(ACuMPA)を起動する。 我々は,ASDP戦略とACuMPAアルゴリズムが既存のスキームにどのように作用するかを理論的に分析した。 次に, [E] 能率 [By]zantine [F]ault [T]olerant-based [Ve]rifiable [S]ecret-sharing (EByFTVeS) 方式を提案する。 最後に, EByFTVeS方式の妥当性, 生存性, 一貫性, プライバシを理論的に解析し, EByFTVeS方式の効率は, 比較実験結果により, 最先端のVSS方式よりも優れていた。

関連論文リスト

• PD-Loss: Proxy-Decidability for Efficient Metric Learning [0.03891635937589588]
  本稿では, 学習可能なプロキシとd'の統計フレームワークを統合し, 埋め込み空間を効率的に最適化する新しい目的である Proxy-Decidability Loss (PD-Loss) を紹介する。 PD-Lossは、組込み最適化の新しい視点を導入しながら、最先端のメソッドに匹敵するパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-08-23T16:46:00Z)
• DP2Guard: A Lightweight and Byzantine-Robust Privacy-Preserving Federated Learning Scheme for Industrial IoT [37.44256772381154]
  DP2Guardは、プライバシーと堅牢性の両方を強化する軽量PPFLフレームワークである。 特異値分解とコサイン類似性を用いて勾配特徴を抽出するハイブリッド防衛戦略を提案する。 信頼スコアに基づく適応アダプティブアグリゲーションスキームは、履歴行動に応じてクライアントの重みを調整する。
  論文  参考訳（メタデータ） (2025-07-22T01:06:39Z)
• Byzantine-Resilient Federated Learning via Distributed Optimization [3.2075234058213757]
  ビザンティン攻撃は連邦学習(FL)に重大な課題をもたらす 従来のFLフレームワークは、モデル更新のための集約ベースのプロトコルに依存しており、高度な敵戦略に弱いままである。 本研究は, プリマル・デュアル・マルチプライヤ法(PDMM)が本質的にビザンチンの影響を軽減し, 耐故障性を考慮したコンセンサス機構を生かしていることを示す。
  論文  参考訳（メタデータ） (2025-03-13T18:34:42Z)
• Revisiting Locally Differentially Private Protocols: Towards Better Trade-offs in Privacy, Utility, and Attack Resistance [4.5282933786221395]
  ローカル微分プライバシー(LDP)は、特にデータを収集するサーバが信頼できない設定で、強力なプライバシ保護を提供する。 本稿では, LDPプロトコルを改良するための汎用多目的最適化フレームワークを提案する。 我々のフレームワークは、調整可能なプライバシ・ユーティリティ・トレードオフによるLPP機構のモジュール化とコンテキスト対応のデプロイを可能にする。
  論文  参考訳（メタデータ） (2025-03-03T12:41:01Z)
• Provably Mitigating Overoptimization in RLHF: Your SFT Loss is Implicitly an Adversarial Regularizer [52.09480867526656]
  人間の嗜好を学習する際の分布変化と不確実性の一形態として,不一致の原因を同定する。 過度な最適化を緩和するために、まず、逆選択された報酬モデルに最適なポリシーを選択する理論アルゴリズムを提案する。 報奨モデルとそれに対応する最適ポリシーの等価性を用いて、優先最適化損失と教師付き学習損失を組み合わせた単純な目的を特徴とする。
  論文  参考訳（メタデータ） (2024-05-26T05:38:50Z)
• The Pitfalls and Promise of Conformal Inference Under Adversarial Attacks [90.52808174102157]
  医療画像や自律運転などの安全クリティカルな応用においては、高い敵の堅牢性を維持し、潜在的敵の攻撃から保護することが不可欠である。 敵対的に訓練されたモデルに固有の不確実性に関して、注目すべき知識ギャップが残っている。 本研究では,共形予測(CP)の性能を標準対向攻撃の文脈で検証することにより,ディープラーニングモデルの不確実性について検討する。
  論文  参考訳（メタデータ） (2024-05-14T18:05:19Z)
• TernaryVote: Differentially Private, Communication Efficient, and Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
  本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。 提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
  論文  参考訳（メタデータ） (2024-02-16T16:41:14Z)
• Mimicking Better by Matching the Approximate Action Distribution [48.95048003354255]
  そこで我々は,Imitation Learning from Observationsのための新しい,サンプル効率の高いオンライン政治アルゴリズムMAADを紹介する。 我々は、専門家のパフォーマンスを達成するためには、かなり少ないインタラクションが必要であり、現在最先端の政治手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-16T12:43:47Z)

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。