Randomized Kaczmarz in Adversarial Distributed Setting

要約

敵対的なワーカーや破損したワーカーの存在に対して堅牢な大規模な分散手法を開発することは、そのような手法を現実世界の問題に対して実用化する上で重要です。
この論文では、凸最適化問題に対する敵対耐性のある反復アプローチを提案します。
単純な統計を活用することで、私たちの方法は収束を保証し、敵対的な分布に適応することができます。
さらに、凸問題を解決するための提案された方法の効率は、敵対者の存在を伴うシミュレーションで示されます。
シミュレーションを通じて、敵対者の存在下でのアプローチの効率性と、敵対的なワーカーを高精度で特定し、さまざまなレベルの敵対的比率を許容できる能力を実証します。

要約(オリジナル)

Developing large-scale distributed methods that are robust to the presence of adversarial or corrupted workers is an important part of making such methods practical for real-world problems. In this paper, we propose an iterative approach that is adversary-tolerant for convex optimization problems. By leveraging simple statistics, our method ensures convergence and is capable of adapting to adversarial distributions. Additionally, the efficiency of the proposed methods for solving convex problems is shown in simulations with the presence of adversaries. Through simulations, we demonstrate the efficiency of our approach in the presence of adversaries and its ability to identify adversarial workers with high accuracy and tolerate varying levels of adversary rates.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google