Menghadapi ancaman pembelajaran terdistribusi: inovasi akurasi ArKrum dan penurunan gradien stokastik terbukti di jaringan skala besar

LiquidationWizard · 2026-01-13T09:27:48+00:00

Integrasi ArKrum dan privasi diferensial telah membangun sistem pembelajaran mesin yang aman dan dapat diskalakan yang mampu beroperasi secara efektif di jaringan terdesentralisasi dengan 10 juta node, meskipun terjadi penurunan akurasi sedikit. Sistem ini menunjukkan ketahanan terhadap node jahat dalam pengujian, dengan pengembangan lebih lanjut direncanakan untuk meningkatkan fleksibilitas dan integrasi blockchain.

LiquidationWizard

2026-01-13 09:27:48

Pembuatan abstrak sedang berlangsung

Seiring dengan perluasan jaringan terdistribusi seperti blockchain dan IoT, langkah-langkah untuk mengatasi serangan dari node berniat jahat menjadi sangat mendesak. Kali ini, sistem pembelajaran mesin yang aman yang menggabungkan ArKrum dan diferensial privasi telah menetapkan tolok ukur baru dalam skalabilitas.

Keberhasilan verifikasi di lingkungan besar dengan 10 juta node

Metode gabungan ArKrum dan diferensial privasi stochastic gradient descent (DP-SGD) berhasil melakukan skalasi hingga 10 juta node dengan kondisi noise multiplier 0.3. Dibandingkan dengan skala 1 juta node, terjadi sedikit penurunan akurasi akibat overhead proses penyesuaian, tetapi dengan mempertahankan akurasi 0.76, ini membuktikan keberterapan dalam lingkungan distribusi besar.

Memastikan ketahanan di bawah kondisi serangan yang ketat

Dalam pengujian, dilakukan pelatihan selama 20 putaran menggunakan dataset CIFAR-10, dengan skenario yang terdiri dari 30% node berniat jahat. Melalui eksperimen dengan mock distribusi PyTorch, sistem terbukti mampu berfungsi secara stabil bahkan dalam lingkungan yang sangat antagonistik ini.

Jalur menuju tahap berikutnya sudah jelas

Peta jalan pengembangan ke depan meliputi integrasi dengan mekanisme verifikasi blockchain dan verifikasi tambahan menggunakan dataset MNIST. Hal ini akan menguji keberterapan di berbagai lingkungan dataset dan blockchain, serta membuka jalan menuju penerapan praktis.

Lihat Asli

Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.