論文の概要: Secure Decentralized Pliable Index Coding for Target Data Size

• arxiv url: http://arxiv.org/abs/2602.03579v1
• Date: Tue, 03 Feb 2026 14:28:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.50877
• Title: Secure Decentralized Pliable Index Coding for Target Data Size
• Title（参考訳）: ターゲットデータサイズのためのセキュア分散可読指数符号化
• Authors: Anjali Padmanabhan, Danya Arun Bindhu, Nujoom Sageer Karat, Shanuja Sasi,
• Abstract要約: 本稿では,クライアント放送をコーディネートして符号化効率を最大化する送信方式を提案する。 クライアントがターゲットの$T$以上のメッセージを取得できないように、厳格なセキュリティ制約を課します。 本稿では,このセキュリティ制約の下で提案手法がもたらす通信コストを解析する。
• 参考スコア（独自算出の注目度）: 0.6999740786886535
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Decentralized Pliable Index Coding (DPIC) problem addresses efficient information exchange in distributed systems where clients communicate among themselves without a central server. An important consideration in DPIC is the heterogeneity of side-information and demand sizes. Although many prior works assume homogeneous settings with identical side-information cardinality and single message demands, these assumptions limit real-world applicability where clients typically possess unequal amounts of prior information. In this paper, we study DPIC problem under heterogeneous side-information cardinalities. We propose a transmission scheme that coordinates client broadcasts to maximize coding efficiency while ensuring that each client achieves a common target level $T$. In addition, we impose a strict security constraint that no client acquires more than the target $T$ number of messages, guaranteeing that each client ends up with exactly $T$ messages. We analyze the communication cost incurred by the proposed scheme under this security constraint.
• Abstract（参考訳）: 分散Pliable Index Coding (DPIC) 問題は、クライアントが中央サーバなしで通信する分散システムにおける効率的な情報交換に対処する。 DPICにおける重要な考慮事項は、サイドインフォメーションと需要サイズの不均一性である。 多くの先行研究は、同一の側情報基数と単一メッセージ要求を持つ均質な設定を前提としているが、これらの仮定は、クライアントが通常不平等な量の事前情報を持つような実世界の適用性を制限している。 本稿では,異種側情報量に基づくDPIC問題について検討する。 本稿では,各クライアントが共通の目標レベルである$T$を確実に達成しつつ,クライアント放送をコーディネートして符号化効率を最大化する送信方式を提案する。 さらに、ターゲットの$T$のメッセージ数以上のクライアントが取得しないという厳格なセキュリティ制約を課し、各クライアントが正確に$T$のメッセージで終わることを保証します。 本稿では,このセキュリティ制約の下で提案手法がもたらす通信コストを解析する。

関連論文リスト

• Information-Theoretic Decentralized Secure Aggregation with Collusion Resilience [95.33295072401832]
  情報理論の観点から分散型セキュアアグリゲーション(DSA)の問題点を考察する。 DSAの最小到達可能な通信量と秘密鍵率を指定する最適レート領域を特徴付ける。 本研究は,DSAの基本性能限界を確立し,信頼性の高い通信効率の高いプロトコルの設計に関する知見を提供する。
  論文  参考訳（メタデータ） (2025-08-01T12:51:37Z)
• Optimizing Cross-Client Domain Coverage for Federated Instruction Tuning of Large Language Models [87.49293964617128]
  大規模言語モデル(LLM)のためのFedDIT(Federated Domain-specific instruction tuning)は、分散プライベートデータと限定データを用いて、特定のドメインの性能を向上させることを目的としている。 データ不均一性ではなく、クロスクライアントなドメインカバレッジが重要な要素であることを実証的に証明します。 我々は多様性指向のクライアントセンターの選択と検索に基づく拡張を通じて、このカバレッジを明示的に最大化するアルゴリズムであるFedDCAを紹介する。
  論文  参考訳（メタデータ） (2024-09-30T09:34:31Z)
• Communication-Efficient Federated Knowledge Graph Embedding with Entity-Wise Top-K Sparsification [49.66272783945571]
  Federated Knowledge Graphs Embedding Learning (FKGE)は、パラメータのかなりのサイズと広範なコミュニケーションラウンドから生じるコミュニケーション効率の課題に直面する。 本稿では,Entity-Wise Top-K Sparsification 戦略に基づく双方向通信効率のFedSを提案する。
  論文  参考訳（メタデータ） (2024-06-19T05:26:02Z)
• Federated Multi-Target Domain Adaptation [99.93375364579484]
  フェデレートされた学習手法により、プライバシを保護しながら、分散ユーザデータ上で機械学習モデルをトレーニングすることが可能になります。 分散クライアントデータがラベル付けされず、集中型ラベル付きデータセットがサーバ上で利用可能となる、より実用的なシナリオを考えます。 本稿では,新しい課題に対処する効果的なDualAdapt法を提案する。
  論文  参考訳（メタデータ） (2021-08-17T17:53:05Z)
• DeFed: A Principled Decentralized and Privacy-Preserving Federated Learning Algorithm [10.487593244018933]
  フェデレートラーニングは、多数のクライアントが、各クライアントに格納されたトレーニングデータを維持しながら、共有モデル学習に参加することを可能にする。 本稿では、従来のフェデレーション平均化(FedAvg)設定における中心的クライアントを除去する、分散型分散学習アルゴリズム(DeFed)を提案する。 提案アルゴリズムは, 損失関数が滑らかで, 強凸である場合には, 収束率$O(1/T)$で大域的最小値に達することが証明された。
  論文  参考訳（メタデータ） (2021-07-15T07:39:19Z)
• Decentralized Federated Averaging [17.63112147669365]
  Federated Averaging (FedAvg) は、膨大な数のクライアントを持つ分散トレーニングのための通信効率のよいアルゴリズムである。 我々は,非方向性グラフで接続されたクライアントに実装された運動量付き分散FedAvg(DFedAvgM)について検討する。
  論文  参考訳（メタデータ） (2021-04-23T02:01:30Z)

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。