基于空中计算的拜占庭弹性联邦机器学习
信息论
2021-05-25 v1 math.IT
摘要
联邦学习（FL）被认为是为未来无线网络和工业系统提供具有时延与隐私保障的智能服务的关键使能技术。然而，无线FL的性能可能被拜占庭攻击（如数据投毒攻击、模型投毒攻击和搭便车攻击）显著降级。为在无线电资源受限的无线网络中设计拜占庭弹性FL范式，我们提出一种通过空中计算（AirComp）实现的通信高效鲁棒模型聚合新方案。这是通过应用Weiszfeld算法获得平滑几何中位数聚合以抵御拜占庭攻击来实现的。Weiszfeld算法的加性结构被进一步利用，以通过AirComp匹配多址信道的信号叠加特性，从而加速FL的通信高效安全聚合过程。数值结果证明了该方法对拜占庭设备的鲁棒性及良好的学习性能。
引用
@article{arxiv.2105.10883,
title = {Byzantine-Resilient Federated Machine Learning via Over-the-Air Computation},
author = {Shaoming Huang and Yong Zhou and Ting Wang and Yuanming Shi},
journal= {arXiv preprint arXiv:2105.10883},
year = {2021}
}
备注
Accepted by ICC workshop