鲁棒且高效的协同学习
机器学习
2025-10-10 v1
摘要
协同机器学习面临训练时对抗行为的挑战。现有容忍此类行为的方法要么依赖中心服务器，要么产生高通信成本。我们提出鲁棒拉取式流行病学习（RPEL），一种新颖的可扩展协同方法，以确保在对抗者存在时的鲁棒学习。RPEL 不依赖任何中心服务器，与传统方法（通信成本随节点数 以 增长）不同，RPEL 采用基于拉取的流行病式通信策略，其规模以 扩展。通过从节点的小随机子集中拉取模型参数，RPEL 显著降低了所需消息数量，同时不损害以高概率成立的收敛保证。实验结果表明，RPEL 在对抗环境中保持鲁棒性，在准确率上与全对全通信竞争，并在大规模网络中高效扩展。
引用
@article{arxiv.2510.08311,
title = {Robust and Efficient Collaborative Learning},
author = {Abdellah El Mrini and Sadegh Farhadkhan and Rachid Guerraoui},
journal= {arXiv preprint arXiv:2510.08311},
year = {2025}
}