การเรียนรู้แบบสหพันธ์ที่ทนทาน
การเรียนรู้แบบสหพันธ์ที่ทนทาน (Robust Federated Learning) ขยายขอบเขตของการเรียนรู้แบบสหพันธ์มาตรฐาน (standard federated learning) ด้วยกฎการรวมกลุ่มที่ทนทานต่อการโจมตีแบบไบแซนไทน์ (Byzantine-tolerant aggregation rules) ซึ่งช่วยปกป้องโมเดลส่วนกลางจากไคลเอนต์ที่มีเจตนาร้าย ถูกทำให้เสียหาย หรือไม่น่าเชื่อถือ แทนที่จะหาค่าเฉลี่ยการอัปเดตเกรเดียนต์ของไคลเอนต์โดยตรง วิธีการรวมกลุ่มที่ทนทาน เช่น coordinate-wise median หรือ Krum จะคัดกรองการอัปเดตที่เป็นอันตรายออก เพื่อให้แน่ใจว่าผู้เข้าร่วมที่เป็นปฏิปักษ์จำนวนน้อยไม่สามารถทำให้การฝึกโมเดลเสียกระบวนได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Federated Learning (Byzantine-Tolerant Distributed Training). ScholarGate. https://scholargate.app/th/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.
- การเรียนรู้แบบสหพันธ์แบบเบย์ (Bayesian Federated Learning)การเรียนรู้ของเครื่อง↔ compare
- สหพันธ์การเรียนรู้ความเป็นส่วนตัว↔ compare
- การเรียนรู้แบบสหพันธ์ออนไลน์การเรียนรู้ของเครื่อง↔ compare
- การเพิ่มกำลังการไล่ระดับสีที่ทนทาน (Robust Gradient Boosting)การเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบสหพันธ์กึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบถ่ายโอนการเรียนรู้ของเครื่อง↔ compare