論文の概要: LIFT: Byzantine Resilient Hub-Sampling

• arxiv url: http://arxiv.org/abs/2601.20368v1
• Date: Wed, 28 Jan 2026 08:33:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-29 15:46:06.844736
• Title: LIFT: Byzantine Resilient Hub-Sampling
• Title（参考訳）: LIFT:ビザンチンのレジリエントなハブサンプリング
• Authors: Mohamed Amine Legheraba, Nour Rachdi, Maria Gradinariu Potop-Butucaru, Sébastien Tixeuil,
• Abstract要約: 本稿では,暗号的にセキュアな擬似ランダム数生成器(PRNG)をハブ選択に用いることで,Elevatorを拡張した新しいプロトコルであるLIFTを紹介する。 LIFTは敵の浸潤に耐え、最大10%のビザンチンノードで堅牢である。 これらの結果は, ビザンチン系レジリエント分散システムにおいて, 分散ハブ形成におけるセキュアなランダム性の必要性と, より信頼性の高いビルディングブロックとしてのLIFTの位置づけを浮き彫りにした。
• 参考スコア（独自算出の注目度）: 3.1848820580333737
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, a novel peer sampling protocol, Elevator, was introduced to construct network topologies tailored for emerging decentralized applications such as federated learning and blockchain. Elevator builds hub-based topologies in a fully decentralized manner, randomly selecting hubs among participating nodes. These hubs, acting as central nodes connected to the entire network, can be leveraged to accelerate message dissemination. Simulation results have shown that Elevator converges rapidly (within 3--4 cycles) and exhibits robustness against crash failures and churn. However, its resilience to Byzantine adversaries has not been investigated. In this work, we provide the first evaluation of Elevator under Byzantine adversaries and show that even a small fraction (2%) of Byzantine nodes is sufficient to subvert the network. As a result, we introduce LIFT, a new protocol that extends Elevator by employing a cryptographically secure pseudo-random number generator (PRNG) for hub selection, thereby mitigating Byzantine manipulation. In contrast, LIFT withstands adversarial infiltration and remains robust with up to 10% Byzantine nodes. These results highlight the necessity of secure randomness in decentralized hub formation and position LIFT as a more reliable building block for Byzantine-resilient decentralized systems.
• Abstract（参考訳）: 近年,フェデレートラーニングやブロックチェーンといった新たな分散アプリケーションに適したネットワークトポロジを構築するために,新たなピアサンプリングプロトコルであるElevatorが導入されている。 Elevatorは、ハブベースのトポロジを完全に分散的に構築し、参加ノード間のハブをランダムに選択する。 これらのハブは、ネットワーク全体に接続された中央ノードとして機能し、メッセージの拡散を加速するために利用することができる。 シミュレーションの結果、エレベータは(3～4サイクルで)急速に収束し、クラッシュ事故やチャーンに対する堅牢性を示すことが示された。 しかし、ビザンツの敵に対する弾力性は調査されていない。 本研究では,ビザンツの敵対者によるエレベータの最初の評価を行い,ビザンツのノードのごく一部(2%)でもネットワークを覆すのに十分であることを示す。 その結果,暗号的にセキュアな擬似ランダム数生成器(PRNG)をハブ選択に用いることで,Elevatorを拡張した新しいプロトコルであるLIFTを導入し,ビザンチン操作を緩和する。 一方、LIFTは敵の浸潤に耐え、最大10%のビザンチンノードで堅牢である。 これらの結果は, ビザンチン系レジリエント分散システムにおいて, 分散ハブ形成におけるセキュアなランダム性の必要性と, より信頼性の高いビルディングブロックとしてのLIFTの位置づけを浮き彫りにした。

関連論文リスト

• Rethinking Byzantine Robustness in Federated Recommendation from Sparse Aggregation Perspective [65.65471972217814]
  フェデレーションラーニング(FL)に基づいたフェデレーションレコメンデーション(FR)が出現し、個人データをローカルクライアントに保持し、モデルを協調的に更新する。 FR には独自のスパース集約機構があり、各項目の埋め込みは、一般の FL の密集集合において、完全なクライアントではなく、部分的なクライアントによって更新される。 本稿では,単一項目の集約を最小の実行単位として定義することにより,スパースアグリゲーションの下でのビザンチンのロバスト性を再構成する。 本研究では,スパースアグリゲーションの脆弱性を悪用し,敵の知識と能力に沿って分類する,Sp attackという効果的な攻撃戦略のファミリーを提案する。
  論文  参考訳（メタデータ） (2025-01-06T15:19:26Z)
• Voltran: Unlocking Trust and Confidentiality in Decentralized Federated Learning Aggregation [12.446757264387564]
  我々は、フェデレートラーニング(FL)のための信頼、機密性、堅牢性を達成するために設計された革新的なハイブリッドプラットフォームであるVoltranを紹介する。 FLアグリゲーションをTEEにオフロードして、分離され、信頼され、カスタマイズ可能なオフチェーン実行を提供します。 マルチSGX並列実行戦略を導入することで、複数のFLシナリオに強力なスケーラビリティを提供する。
  論文  参考訳（メタデータ） (2024-08-13T13:33:35Z)
• Larger-scale Nakamoto-style Blockchains Don't Necessarily Offer Better Security [1.2644625435032817]
  中本方式のコンセンサスプロトコルの研究は、ネットワーク遅延がこれらのプロトコルのセキュリティを低下させることを示した。 これはブロックチェーンの基盤、すなわち分散化がセキュリティを改善することに矛盾する。 ネットワークスケールがNakamotoスタイルのブロックチェーンのセキュリティにどのように影響するか、詳しく調べる。
  論文  参考訳（メタデータ） (2024-04-15T16:09:41Z)
• Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
  ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。 フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。 本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
  論文  参考訳（メタデータ） (2024-03-28T07:08:26Z)
• Decentralized Federated Policy Gradient with Byzantine Fault-Tolerance and Provably Fast Convergence [21.935405256685307]
  Federated Reinforcement Learning (FRL)では、エージェントは共通のタスクを協調的に学習することを目的としており、各エージェントは生の軌跡を交換することなく、そのローカル環境で行動している。 我々はまず,非フォールトトレラントPGの仮定標準にのみ依存して既存の手法を改善する,新しい集中型ビザンチンフォールトトレラントポリシー(PG)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-07T14:06:06Z)
• Resilient Output Consensus Control of Heterogeneous Multi-agent Systems against Byzantine Attacks: A Twin Layer Approach [23.824617731137877]
  本研究では、ビザンチン攻撃に対する異種マルチエージェントシステム(MAS)の協調的制御の問題について検討する。 仮想双対層(TL)を備えた新しい階層型プロトコルDigital Twinの概念に着想を得た。
  論文  参考訳（メタデータ） (2023-03-22T18:23:21Z)
• Byzantine-Robust Decentralized Learning via ClippedGossip [61.03711813598128]
  ビザンチン・ロバスト・コンセンサス最適化のためのClippedGossipアルゴリズムを提案する。 ClippedGossipの実証実験性能を多数の攻撃下で実証した。
  論文  参考訳（メタデータ） (2022-02-03T12:04:36Z)
• Byzantine-resilient Decentralized Stochastic Gradient Descent [85.15773446094576]
  分散学習システムのビザンチンレジリエンスに関する詳細な研究について述べる。 ビザンチンフォールトトレランスを用いた分散学習を支援する新しいアルゴリズムUBARを提案する。
  論文  参考訳（メタデータ） (2020-02-20T05:11:04Z)
• Federated Variance-Reduced Stochastic Gradient Descent with Robustness to Byzantine Attacks [74.36161581953658]
  本稿では、悪質なビザンツ攻撃が存在する場合のネットワーク上での学習のための分散有限サム最適化について論じる。 このような攻撃に対処するため、これまでのほとんどのレジリエントなアプローチは、勾配降下(SGD)と異なる頑健な集約ルールを組み合わせている。 本研究は,ネットワーク上の有限サム最適化を含むタスクを学習するための,ビザンチン攻撃耐性分散(Byrd-)SAGAアプローチを提案する。
  論文  参考訳（メタデータ） (2019-12-29T19:46:03Z)

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。