Mar, 2023

异构多智能体系统对抗拜占庭攻击的弹性输出一致性控制：双层方法

PDF
TL;DR本论文研究了异构多智能体系统的合作控制问题，提出了一种基于数字孪生概念的分层协议，有效解决了 Byzantine 攻击问题并通过数值实验得到验证。
cooperative controlmulti-agent systemsbyzantine attacksvirtual twin layerresilient topology
发现论文，激发创造
  • 面向复合攻击的异构多智能体系统弹性输出控制：数字孪生方法

    该论文研究了异构多智能体系统的分布式弹性输出包含控制，针对复合攻击，包括拒绝服务攻击，虚假数据注入攻击、伪装攻击和行为攻击，并通过应用数字孪生的思想提出了二层协议，使问题可以分别在高保密度的数字孪生层和更容易利用的物理层上得以解决。该论文的研究成果展示了提出的控制协议的有效性，并证明了输出可以达到均匀最终有界收敛。

    Mar, 2023

  • 基于数据驱动的双层方法的非线性多智能体系统领从一致性对抗复合攻击

    本文研究基于数字孪生技术的不确定非线性多智能体系统在遭受 `Denial of Service` 和控制攻击的条件下的领从一致性问题，并提出一个具有两层控制框架的鲁棒控制方案。方案分别包括了基于分布式滤波器和基于攻击补偿策略的统一最终有界一致收敛的分布式模型无关自适应协议。

    Mar, 2023

  • 网络容错和拜占庭鲁棒的社交学习通过协作层次非贝叶斯学习

    基于分层系统架构，解决面临通信故障和对抗攻击的非贝叶斯学习问题，并提出适应分布式网络的算法

    Jul, 2023

  • 拜占庭可靠的八卦：来自双重方法的洞察

    该论文研究了在分布式环境中存在恶意节点攻击时，通过设计鲁棒的去中心化优化方法，利用全局和局部的剪裁规则来解决广义共识问题，并且证明了这些剪裁规则可以作为设计高效攻击的基础。

    May, 2024

  • 静态和时变网络上的拜占庭鲁棒去中心化随机优化

    提出了一种基于总变差正则化的适应于拜占庭攻击的随机子梯度优化算法，在去除拜占庭代理的情况下达到了最优解附近，并且在数值模拟实验中表现出优越的性能.

    May, 2020

  • 容错机器学习：高效元聚合与同步训练

    通过引入中心修剪元聚合器和双动量策略梯度估计技术，本文研究了分布式机器学习系统中拜占庭鲁棒训练的挑战性框架，着重提高效率和实用性，简化调整过程并减少超参数的依赖。

    May, 2024

  • 拜占庭弹性的分散式多臂赌博机

    该研究通过开发一种完全分散的鲁棒上置信界算法，将信息混合步骤与不一致和极端值的截断步骤结合起来，以恢复分散合作多臂赌博中的有效行为，提高正常代理的表现。该算法在遗憾方面不劣于单代理 UCB1 算法，并且所有正常代理的累积遗憾严格优于非合作情况。实验证实了这一框架的优点。

    Oct, 2023

  • 超越梯度的拜占庭容错学习：分布式进化搜索

    本文介绍一个更广泛的机器学习中拜占庭容忍的定义 ——“模型一致性”，并将这个定义与经典分布式一致性算法结合使用，生成了一种基于 Evolutionary Search 算法的分布式、拜占庭容忍、无梯度学习算法 —— 广义的（1,λ）进化搜索算法。文中提供了两种具体情况下的证明和伪代码，即全序广播和工作量证明。

    Apr, 2023

  • 拜占庭健壮性和部分参与可以同时实现：只需裁剪梯度差异

    提出了一种具有客户端抽样和对拜占庭工作者的可证明容错性的分布式方法。通过梯度剪裁控制递归方差减少中的随机梯度差异来限制拜占庭工作者可能造成的潜在危害，并且结合通信压缩来提高通信效率。在相当一般的假设下，证明了该方法的收敛速度与现有的理论结果相匹配。

    Nov, 2023

  • 点对点分布式梯度下降中的拜占庭容错

    本文研究了使用委比丘密特容错处理方式解决点对点分布式梯度下降算法中存在的非诚实代理引起的优化问题，提出了一种能够保证容错性的机制并可应用于更高维度的凸分布式优化问题。

    Jan, 2021