Machine learningMachine learning
ロバスト連合学習
ロバスト連合学習は、悪意のある、破損した、または信頼できないクライアントからグローバルモデルを保護するために、ビザンチン耐性のある集約ルールを標準的な連合学習に拡張したものです。クライアント勾配を単純に平均化する代わりに、座標ごとの中央値やKrumなどのロバストな集約方法は、有害な更新をフィルタリングして、敵対的な参加者の少数派がトレーニングを脱線させられないようにします。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Robust Federated Learning (Byzantine-Tolerant Distributed Training). ScholarGate. https://scholargate.app/ja/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.
- ベイズ連合学習機械学習↔ compare
- Federated Learning（連合学習）プライバシー↔ compare
- オンライン連合学習機械学習↔ compare
- ロバスト勾配ブースティング機械学習↔ compare
- 半教師あり連合学習機械学習↔ compare
- 転移学習機械学習↔ compare