Machine learningMachine learning

Εύρωστη Ομοσπονδιακή Μάθηση

Η Εύρωστη Ομοσπονδιακή Μάθηση (Robust Federated Learning) επεκτείνει την τυπική ομοσπονδιακή μάθηση με κανόνες συγκέντρωσης ανθεκτικούς σε Βυζαντινά σφάλματα, οι οποίοι προστατεύουν το καθολικό μοντέλο από κακόβουλους, κατεστραμμένους ή αναξιόπιστους πελάτες. Αντί για απλή μέση τιμή των κλίσεων των πελατών, μέθοδοι εύρωστης συγκέντρωσης όπως η διάμεσος ανά συντεταγμένη ή το Krum φιλτράρουν επιβλαβείς ενημερώσεις, ώστε μια μειοψηφία επιθετικών συμμετεχόντων να μην μπορεί να εκτροχιάσει την εκπαίδευση.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Blanchard, P., El Mhamdi, E. M., Guerraoui, R., & Stainer, J. (2017). Machine Learning with Adversaries: Byzantine Tolerant Gradient Descent. Advances in Neural Information Processing Systems, 30. link
  2. Yin, D., Chen, Y., Kannan, R., & Bartlett, P. (2018). Byzantine-Robust Distributed Learning: Towards Optimal Statistical Rates. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80:5650–5659. link

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Robust Federated Learning (Byzantine-Tolerant Distributed Training). ScholarGate. https://scholargate.app/el/machine-learning/robust-federated-learning

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateRobust Federated Learning (Robust Federated Learning (Byzantine-Tolerant Distributed Training)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/robust-federated-learning · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026