非强凸目标去中心化优化中对抗节点的检测与隔离

近年来，去中心化优化作为一种有前景的技术，在处理大数据中的大规模推断与决策问题时可克服维数灾难，已显示出重要效用。尽管这些算法对节点和链路故障具有弹性，但它们本质上并非拜占庭容错，难以抵御内部数据注入攻击。本文提出一种去中心化鲁棒次梯度推送（RSGP）算法，用于在网络中检测并隔离恶意节点，以优化非强凸目标。在本文考虑的攻击中，恶意节点遵循算法协议，但可任意篡改其局部函数。然而，我们表明在具有充分结构的问题中，所提方法能有效揭示其存在。该算法将检测到的节点与常规节点隔离，从而减轻恶意节点的不良影响。我们还给出了所提方法的性能度量。