論文の概要: Fundamental Limits of Information-Theoretic Secure Aggregation with User Dropouts in Federated Learning

• arxiv url: http://arxiv.org/abs/2610.25743v1
• Date: Mon, 19 Oct 2026 03:49:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 11:48:58.664526
• Title: Fundamental Limits of Information-Theoretic Secure Aggregation with User Dropouts in Federated Learning
• Title（参考訳）: フェデレーション学習におけるユーザドロップアウトを考慮した情報理論的セキュアアグリゲーションの基本的限界
• Abstract要約: ユーザのドロップアウトでは、相関したランダムキーが、所望の勾配和を回復しながら、局所的な勾配を保護する。 キー配信、マスク付き段階アップロード、マスク除去の3つのフェーズについて検討する。 単一のスキームは、実際のドロップアウト数に通信を適用することで、すべての実行可能なドロップアウトシナリオをサポートする。
• 参考スコア（独自算出の注目度）: 64.01246313606067
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Secure aggregation enables a server to compute the sum of users' gradients or model updates without revealing individual values. With user dropouts, correlated random keys protect local gradients while allowing recovery of the desired gradient sum. We consider three phases: key distribution, masked-gradient upload, and mask elimination. Users establish correlated keys, upload masked gradients, and provide additional messages to eliminate residual aggregate masks. Existing information-theoretic schemes typically design mask-elimination communication for a prescribed dropout threshold and evaluate its cost under worst-case dropouts across the masked-gradient upload and mask-elimination phases. Such designs cannot adjust communication to actual dropout scenarios. Moreover, the randomness and communication costs of establishing correlated keys remain largely unexplored. To address these limitations, we formulate an adaptive secure aggregation framework under the T-colluding security constraint and construct a single scheme that supports all feasible dropout scenarios by adapting its communication to the actual number of dropouts. We establish converse bounds on four resources: key randomness, key-distribution communication, masked-gradient communication, and mask-elimination communication. The latter two bounds are characterized for each realized dropout set in the masked-gradient upload phase. The proposed scheme achieves the optimal masked-gradient communication rate for every feasible dropout scenario and the optimal mask-elimination communication rate in almost all feasible regimes. Its key rate and key-distribution communication rate are each optimal or within a factor of two of their respective information-theoretic optima. These results characterize the fundamental randomness and communication costs of secure aggregation with user dropouts.
• Abstract（参考訳）: セキュアアグリゲーションにより、サーバは個々の値を明らかにすることなく、ユーザの勾配やモデルの更新の総和を計算することができる。 ユーザのドロップアウトでは、相関したランダムキーが、所望の勾配和を回復させながら、局所的な勾配を保護する。 キー配信、マスク付き段階アップロード、マスク除去の3つのフェーズについて検討する。 ユーザーは相関キーを確立し、マスク付きグラデーションをアップロードし、残余のアグリゲートマスクを排除するための追加メッセージを提供する。 既存の情報理論スキームでは、マスク除去通信を所定のドロップアウト閾値で設計し、マスク段階のアップロードとマスク除去フェーズをまたいだ最悪のドロップアウトでそのコストを評価するのが一般的である。 このような設計では、実際のドロップアウトシナリオに通信を調整することはできない。 さらに、相関キーを確立するためのランダム性や通信コストは、まだ明らかにされていない。 これらの制約に対処するため、T-colludingセキュリティ制約の下で適応型セキュアアグリゲーションフレームワークを定式化し、実際のドロップアウト数に通信を適用することで、すべての実行可能なドロップアウトシナリオをサポートする単一のスキームを構築する。 鍵ランダム性,鍵分布通信,マスク次数通信,マスク次数通信の4つの資源の逆境界を確立する。 後者の2つのバウンダリは、マスキング段階のアップロードフェーズにおいて実現されたドロップアウトセット毎に特徴付けられる。 提案手法は, ほぼすべての実現可能な状況において, 可能なドロップアウトシナリオに対して, 最適マスク・グラディエント通信率と最適マスク・除去通信率を実現する。 そのキーレートとキー・ディストリビューション通信レートは、それぞれの情報理論の最適度のうちの2つのうちの最適値または2つの範囲内である。 これらの結果は、ユーザドロップアウトによる安全なアグリゲーションの基本的なランダム性と通信コストを特徴付ける。

関連論文リスト

• Information-Theoretically Secure Aggregation for Lightweight Federated Learning: Resilient to Dropouts and Adversaries [13.867315751451494]
  本稿では,手話ベースのFLに適した軽量で情報論的にセキュアなアグリゲーションフレームワークを提案する。 このフレームワークは、単一ラウンドのセキュアな乗算を通じて、多数決(MV)を安全に計算する。 これらの手法により、従来の手法に比べて、オンライン通信を99.5%、レイテンシを85.7%削減できる。
  論文  参考訳（メタデータ） (2026-07-23T03:26:41Z)
• Secure Aggregation with Top-K Sparsification in Decentralized Federated Learning [30.552991787966988]
  トップK勾配スペーシフィケーション(Top-K gradient Sparsification)は、完全な勾配のいくつかのエントリを伝達することで通信を減らす効果的なアプローチである。 本稿では,ユーザドロップアウトとユーザ共謀による分散化フェデレーション学習における,トップKスペーシングによる情報理論的セキュアアグリゲーションについて検討する。 本稿では,通信効率の低いスパース型セキュアアグリゲーション方式を提案し,次元に依存したオーバヘッドをオフライン位相にオフロードする。
  論文  参考訳（メタデータ） (2026-06-09T12:33:53Z)
• The Capacity of Information-Theoretic Secure Aggregation in Federated Learning [38.64656884737012]
  我々は,$T$を解決した情報理論セキュアアグリゲーション問題を,$N$ユーザを用いて検討した。 従来の作業とは異なり、ユーザ間通信によるキー配布をモデル化する。 最適性能はペアワイズ共有キーのみを用いて達成可能であることを示す。
  論文  参考訳（メタデータ） (2026-06-05T13:53:27Z)
• Adaptive Order Policies for Masked Diffusion [56.27207032553083]
  本稿では,拡散モデル上に追加の軽量ポリシネットワークを用いてアンマキング順序を学習する手法を提案する。 提案した損失は,政策確率に応じて拡散損失を隠蔽し,デノイザーの正しさが高い位置を優先する政策を導出する。
  論文  参考訳（メタデータ） (2026-05-29T19:26:53Z)
• Send Less, Perceive More: Masked Quantized Point Cloud Communication for Loss-Tolerant Collaborative Perception [38.10779821259225]
  帯域幅を大幅に削減する量子化ポイントクラウド通信フレームワークであるQPoint2Commを紹介する。 QPoint2Commは共有コードブックを使用して量子化されたポイントクラウドインデックスを直接通信する。 我々は、乱数パケット損失をシミュレートするマスク付きトレーニング戦略を採用し、重い送信障害であっても、モデルが強力な性能を維持することができる。
  論文  参考訳（メタデータ） (2026-02-25T08:00:48Z)
• Rethinking Multi-Condition DiTs: Eliminating Redundant Attention via Position-Alignment and Keyword-Scoping [61.459927600301654]
  マルチコンディション制御は従来のコンカデント・アンド・アットエンドの戦略によってボトルネックとなる。 分析の結果,これらの相互作用の多くは空間的にも意味的にも冗長であることがわかった。 本稿では,これらの冗長性を解消するための高効率なフレームワークであるPKAを提案する。
  論文  参考訳（メタデータ） (2026-02-06T16:39:10Z)
• Fundamental Limits of Hierarchical Secure Aggregation with Cyclic User Association [93.46811590752814]
  階層型セキュアアグリゲーションは、フェデレートラーニング(FL)によって動機付けられる 本稿では,各ユーザが連続する$B$のリレーに接続される循環型アソシエーションパターンを用いたHSAについて考察する。 勾配符号化にインスパイアされた入力に対するメッセージ設計を含む効率的なアグリゲーション方式を提案する。
  論文  参考訳（メタデータ） (2025-03-06T15:53:37Z)
• Communication-Efficient Federated Learning via Regularized Sparse Random Networks [21.491346993533572]
  本研究では,フェデレート学習におけるコミュニケーション効率向上のための新しい手法を提案する。 この設定では、二項マスクはモデル重みの代わりに最適化され、固定される。 伝統的な連邦学習における浮動小数点の重みよりも、Sの疎二元マスクが交換される。
  論文  参考訳（メタデータ） (2023-09-19T14:05:12Z)

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。