論文の概要: Hopper: Bounded-Memory Collaborative Debiasing for Byzantine-Tolerant Peer Sampling

• arxiv url: http://arxiv.org/abs/2609.19893v2
• Date: Fri, 18 Sep 2026 11:48:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.715223
• Title: Hopper: Bounded-Memory Collaborative Debiasing for Byzantine-Tolerant Peer Sampling
• Title（参考訳）: ホッパー:ビザンチン耐性ピアサンプリングのためのバウンドメモリコラボレーティブなデバイアス
• Abstract要約: Byzantine-tolerantのピアサンプリングは、継続的にリフレッシュされたビューに依存している。 本稿では,ビザンチン耐性ピアサンプリングのための有界メモリデバイアスプロトコルであるHopperを紹介する。 HopperはBitMatcherに依存している場合よりも、遅延攻撃からの回復が速いことを示す。
• 参考スコア（独自算出の注目度）: 2.8178140912102982
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Byzantine-tolerant peer sampling relies on continuously refreshed views, yet an adversary can bias the identifier streams used to construct them. Frequency-aware debiasing downweights overrepresented identifiers, but existing designs rely on cumulative per-identifier counts. We show that even exact, unbounded counters fail under a delayed balanced attack, in which a long benign prefix masks a subsequent adversarial frequency shift. We introduce Hopper, a bounded-memory debiasing protocol for Byzantine-tolerant peer sampling. We identify the stream-estimation properties required for debiasing and select BitMatcher as the estimator that best preserves adversarial frequency structure among the evaluated alternatives. Hopper adds BMDecay, a saturation-triggered decay and reconstruction mechanism that keeps this signal fresh over long executions. Hopper also supports trusted collaboration through authenticated fingerprint-aware reconstruction and role-specific debiasing. Experiments show that Hopper recovers from delayed attacks faster than when relying on BitMatcher, and debiaising as well as non-debiasing baselines under a fixed memory budget. Trusted collaboration reduces post-attack pollution peaks but creates a re-identification trade-off at high trusted-node densities. These results show the importance of occurence freshness, rather than exact counting alone, as a key requirement for practical frequency-aware Byzantine peer sampling.
• Abstract（参考訳）: Byzantine-tolerantのピアサンプリングは、継続的にリフレッシュされたビューに依存している。 ダウンウェイトを過剰に表現する頻度に注意するが、既存の設計では累積単位数に依存している。 正確な非有界カウンタであっても、長い良性プレフィックスマスクがその後の対向周波数シフトをマスクする遅延バランス攻撃で失敗することを示す。 本稿では,ビザンチン耐性ピアサンプリングのための有界メモリデバイアスプロトコルであるHopperを紹介する。 評価された代替案のうち,逆数周波数構造を最適に保存する推定器としてBitMatcherを選択し,デバイアス化に必要なストリーム推定特性を同定する。 HopperにBMDecayが加わった。これは飽和トリガーによる崩壊と再構築のメカニズムで、長い実行期間にわたってこのシグナルを鮮明に保つ。 Hopperはまた、認証された指紋認識の再構築と役割固有の嫌悪を通じて、信頼できるコラボレーションをサポートする。 実験によると、HopperはBitMatcherに依存している場合よりも遅延攻撃から高速に回復し、メモリの固定予算の下で非バイアスのベースラインを逸脱する。 信頼されたコラボレーションは、攻撃後の汚染のピークを減らしますが、高い信頼されたノード密度で再識別のトレードオフを生成します。 これらの結果から,Byzantineピアサンプリングの実践的要件として,正確なカウントではなく,発生の鮮度の重要性が示唆された。

関連論文リスト

• PURA: Provably Unbiased and Robust Multi-Bit Watermarking for AI-Generated Text Attribution [83.66032773976904]
  PURAは、テキスト属性に対する不偏で頑健なマルチビット透かし方式である。 PURAはトークンの確率を直接摂動するのではなく、鍵付き逆変換サンプリングによって潜在サンプリング空間にペイロードを埋め込む。 PURAは、高負荷体制において、既存の非バイアスベースラインを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2026-08-23T04:44:27Z)
• A Locally Tokenized Generative Model for Robust Time-Series Watermarking [12.477366787279747]
  我々は,グローバルに結合した再符号化に依存する既存の検出器が,後処理攻撃によるヌル分布の双方向ドリフトに悩まされていることを示す。 本稿では,各離散トークンを短い連続したウィンドウから生成する生成モデルであるL-VQVAEと,このトークン空間上の透かし手法であるLVQMarkを提案する。
  論文  参考訳（メタデータ） (2026-08-20T07:25:41Z)
• AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
  AnchorMoEは、解釈可能な構成別分類フレームワークである。 ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。 実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-06-02T13:30:54Z)
• Semi-Supervised Learning with Noisy Proxy Covariates: Generalization Bounds and Distribution Regression [6.759672187503063]
  高速ラベル付きサンプルレートはプロキシが制御されたときに回収されることを示す。 また, 分布回帰は, 有限袋径が十分大きい場合に, 類似の保証を伴って, 直接特別な場合であることを示す。
  論文  参考訳（メタデータ） (2026-05-30T04:01:14Z)
• Improving Spatio-Temporal Residual Error Propagation by Mitigating Over-Squashing [4.62541204592513]
  本稿では,エラー関連自己回帰予測の時間的制限を克服する構造的不確実性モジュールであるTegerを紹介する。 Tegerはバックボーンに依存しないため、自己回帰エンコーダによって生成される潜伏状態のみを必要とする。
  論文  参考訳（メタデータ） (2026-05-18T08:51:33Z)
• Architecture-agnostic Lipschitz-constant Bayesian header and its application to resolve semantically proximal classification errors with vision transformers [0.0]
  この研究は、アーキテクチャに依存しないリプシッツ・コンスタント・ベイジアンヘッダを示し、視覚変換器のような特徴抽出器に統合することができる。 また,不確実性と不確かさを誤分類率で捉えるための新しい指標と,適応型算術・平均融合方式を提案する。 モンテカルロサンプリングにより計算コストは上昇するが、事前に訓練されたバックボーンとのプラグ・アンド・プレイの互換性を提供する。
  論文  参考訳（メタデータ） (2026-05-07T09:18:06Z)
• Catching Contamination Before Generation: Spectral Kill Switches for Agents [0.0]
  本稿では,フォワードパスのみを使用してエージェント実行中にバイナリ受信や拒否信号を出力する診断手法を提案する。 この手法は、注意によって誘導されるトークングラフを分析し、初期層における2つのスペクトル統計量を計算する。 ベイズ感覚では, 高頻度エネルギー比の1つの閾値が, 文脈の不整合を検出するのに最適であることを示す。
  論文  参考訳（メタデータ） (2025-11-08T02:24:05Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• Learning from History for Byzantine Robust Optimization [52.68913869776858]
  分散学習の重要性から,ビザンチンの堅牢性が近年注目されている。 既存のロバストアグリゲーションルールの多くは、ビザンチンの攻撃者がいなくても収束しない可能性がある。
  論文  参考訳（メタデータ） (2020-12-18T16:22:32Z)
• Exploiting Sample Uncertainty for Domain Adaptive Person Re-Identification [137.9939571408506]
  各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。 不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
  論文  参考訳（メタデータ） (2020-12-16T04:09:04Z)

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。