Core Concepts
Ein neues Verfahren, das für hochdimensionale Probleme unter einer beliebigen Anzahl von byzantinischen Angreifern geeignet ist. Der Kern des Designs ist eine direkte hochdimensionale semi-verifizierte Mittelwertschätzung.
Abstract
Der Artikel beschreibt ein neues Verfahren für verteiltes Lernen unter byzantinischen Ausfällen, das für hochdimensionale Probleme geeignet ist.
Zunächst wird ein direktes semi-verifiziertes Mittelwertschätzungsverfahren vorgestellt. Dabei wird zunächst ein Unterraum identifiziert, in dem die Komponenten des Mittelwerts schwer zu schätzen sind. Diese Komponenten werden dann unter Verwendung eines zusätzlichen Datensatzes geschätzt. Die verbleibenden Komponenten werden aus den hochgeladenen Gradientenvektoren der Arbeitsmaschinen geschätzt.
Anschließend wird eine theoretische Analyse des neuen semi-verifizierten Mittelwertschätzungsverfahrens durchgeführt. Es werden zwei Kontaminationsmodelle betrachtet - das additive Kontaminationsmodell und das starke Kontaminationsmodell. Für beide Modelle werden obere Schranken für den Schätzfehler und untere Schranken für die minimax-optimale Rate hergeleitet.
Schließlich wird das semi-verifizierte Mittelwertschätzungsverfahren auf das Problem des byzantinisch robusten verteilten Lernens angewendet. Es wird gezeigt, dass der Lernfehler im Vergleich zu früheren Arbeiten deutlich reduziert werden kann, insbesondere in hochdimensionalen Problemen.
Stats
Die Verteilung der Gradienten hat eine beschränkte Kovarianzmatrix: V* ≤ σ²I.
Der Anteil der sauberen Stichproben im verunreinigten Datensatz ist mindestens α.
Quotes
Keine relevanten Zitate identifiziert.