重新审视面向 Byzantine-鲁棒的分布式稀疏学习
机器学习
2026-05-14 v1 统计理论
统计理论
摘要
我们重新审视了针对高维稀疏线性模型的 Byzantine 鲁棒分布估计问题。通过将局部 -正则化鲁棒估计与服务器端的鲁棒聚合相结合，该框架适用于伪 Huber 回归、分位数回归和稀疏 SVM。我们表明所得估计器在温和条件下可获得非渐近保证，并在统计上达到近最优率，同时保持通信效率。仿真结果确认在各种 Byzantine 攻击下估计、支持恢复和分类精度均表现出强大的鲁棒性。
引用
@article{arxiv.2605.13283,
title = {Byzantine-Robust Distributed Sparse Learning Revisited},
author = {Yuxuan Wang and Lixin Zhang and Kangqiang Li},
journal= {arXiv preprint arXiv:2605.13283},
year = {2026}
}