The Impact of Adversarial Node Placement in Decentralized Federated Learning Networks

要約

Federated Learning (FL) の人気が高まるにつれて、新しい分散型フレームワークが普及しつつあります。
これらのフレームワークは、分散環境の利点を活用して、高速でエネルギー効率の高いデバイス間通信を可能にします。
しかし、この人気の高まりにより、堅牢なセキュリティ対策の必要性も高まっています。
既存の研究では FL セキュリティのさまざまな側面が調査されていますが、分散型ネットワークにおける敵対的ノードの配置の役割はほとんど調査されていないままです。
この論文では、敵対者がネットワーク内での配置を共同で調整できる場合の、さまざまな敵対的配置戦略に対する分散型 FL のパフォーマンスを分析することで、このギャップに対処します。
敵対的ノードを配置するための 2 つのベースライン戦略、つまりランダム配置とネットワーク中心性に基づく配置を確立します。
この基盤に基づいて、敵対者間の平均ネットワーク距離を最大化することで、敵対的な中心性よりも敵対的な拡散を優先する新しい攻撃アルゴリズムを提案します。
新しい攻撃アルゴリズムがテスト精度などの主要なパフォーマンス指標に大きな影響を与え、検討したセットアップでベースライン フレームワークを 9% ～ 66.5% 上回るパフォーマンスを示すことを示します。
私たちの調査結果は、分散型 FL システムの脆弱性に関する貴重な洞察を提供し、より安全で堅牢な分散型 FL フレームワークの開発を目的とした将来の研究の準備を整えます。

要約(オリジナル)

As Federated Learning (FL) grows in popularity, new decentralized frameworks are becoming widespread. These frameworks leverage the benefits of decentralized environments to enable fast and energy-efficient inter-device communication. However, this growing popularity also intensifies the need for robust security measures. While existing research has explored various aspects of FL security, the role of adversarial node placement in decentralized networks remains largely unexplored. This paper addresses this gap by analyzing the performance of decentralized FL for various adversarial placement strategies when adversaries can jointly coordinate their placement within a network. We establish two baseline strategies for placing adversarial node: random placement and network centrality-based placement. Building on this foundation, we propose a novel attack algorithm that prioritizes adversarial spread over adversarial centrality by maximizing the average network distance between adversaries. We show that the new attack algorithm significantly impacts key performance metrics such as testing accuracy, outperforming the baseline frameworks by between 9% and 66.5% for the considered setups. Our findings provide valuable insights into the vulnerabilities of decentralized FL systems, setting the stage for future research aimed at developing more secure and robust decentralized FL frameworks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google