Centrala begrepp
연방 학습 시스템은 악의적인 공격에 취약하다. 이를 해결하기 위해 허버 손실 최소화 기반의 새로운 집계기를 제안하고, 이에 대한 포괄적인 이론적 분석을 제공한다.
Sammanfattning
이 논문은 연방 학습에서 비잔틴 공격에 대한 강건성 확보 방법을 제안한다.
먼저 독립 동일 분포(i.i.d) 가정 하에서 제안 방법의 이론적 분석을 수행한다. 제안 방법은 다음과 같은 장점을 가진다:
공격 비율 ϵ에 대한 최적에 가까운 의존성
ϵ에 대한 정확한 지식이 필요하지 않음
클라이언트 간 데이터 크기 불균형을 허용
이후 i.i.d 가정을 완화하여 클라이언트 간 데이터 분포가 다른 경우에 대한 분석을 제공한다. 이 경우에도 제안 방법이 중간 수준의 데이터 이질성에 강건함을 보인다.
마지막으로 다차원 허버 손실 최소화를 위한 구현 알고리즘을 제시한다.
Statistik
전체 학습 데이터 수 N은 10,000개이다.
500개의 클라이언트에 데이터가 균등하게 분배되어 있다.
각 클라이언트의 데이터 크기 ni는 N/500이다.