防御非贝叶斯学习对抗对抗性攻击
分布式、并行与集群计算
2016-06-30 v1 机器学习
摘要
本文研究多智能体网络中的非贝叶斯学习问题，其中智能体反复收集关于未知世界状态的部分信息观测，并尝试协作学习真实状态。我们重点关注对抗性智能体对基于共识的非贝叶斯学习性能的影响，其中非故障智能体将局部学习更新与共识原语相结合。特别地，我们考虑一个未知子集的智能体遭受拜占庭故障的场景——遭受拜占庭故障的智能体行为任意。提出了两种不同的学习规则。
引用
@article{arxiv.1606.08883,
title = {Defending Non-Bayesian Learning against Adversarial Attacks},
author = {Lili Su and Nitin H. Vaidya},
journal= {arXiv preprint arXiv:1606.08883},
year = {2016}
}