Канал лаборатории фундаментальных исследований ИИ.
В фокусе: оптимизация в ML, GenAI, математика ИИ, ИИ для науки, федеративное обучение.
Научный руководитель: Александр Безносиков @abeznosikov
Post #80
1.14K
🔥 Разбираем статью, которая получила Oral Presentation на AAAI👇
Bant: Byzantine Antidote via Trial Function and Trust Scores
💡О чем статья?
Обучать модель централизованно часто невозможно: данные нельзя выгружать из учреждений, корпоративная информация защищена NDA, а собирать терабайты с edge-устройств физически нереально. Решение? Федеративное обучение — учить модель прямо там, где данные, без их передачи.
Плюсы очевидны:
✅ Приватность
✅ Экономия на инфраструктуре
✅ Доступ к огромным распределенным датасетам
“Атаки” возникают естественным образом:
🏥 Медицина: врачи из разных клиник расходятся в диагнозах — противоречивая разметка ЭКГ
🔍 Рекомендации: пользовательские клики зашумлены субъективными взглядами
🏭 Индустрия: вычислительные машины выходят из строя, давая мусорные сигналы
Классические методы требуют >50% честных участников и рушатся при неоднородности локальных выборок. В реальных сценариях это нереалистично — вы никогда не знаете, кому можно доверять!
🎯 Что предлагает Bant?
Наш ключевой прорыв: метод гарантированно работает при наличии хотя бы одного надежного устройства — независимо от количества вредоносных.
📊 Подробности, алгоритмы, эксперименты и результаты — все в карточках!
🔗 Статья
💻 Код
#разборстатьи
Bant: Byzantine Antidote via Trial Function and Trust Scores
💡О чем статья?
Обучать модель централизованно часто невозможно: данные нельзя выгружать из учреждений, корпоративная информация защищена NDA, а собирать терабайты с edge-устройств физически нереально. Решение? Федеративное обучение — учить модель прямо там, где данные, без их передачи.
Плюсы очевидны:
✅ Приватность
✅ Экономия на инфраструктуре
✅ Доступ к огромным распределенным датасетам
“Атаки” возникают естественным образом:
🏥 Медицина: врачи из разных клиник расходятся в диагнозах — противоречивая разметка ЭКГ
🔍 Рекомендации: пользовательские клики зашумлены субъективными взглядами
🏭 Индустрия: вычислительные машины выходят из строя, давая мусорные сигналы
Классические методы требуют >50% честных участников и рушатся при неоднородности локальных выборок. В реальных сценариях это нереалистично — вы никогда не знаете, кому можно доверять!
🎯 Что предлагает Bant?
Наш ключевой прорыв: метод гарантированно работает при наличии хотя бы одного надежного устройства — независимо от количества вредоносных.
📊 Подробности, алгоритмы, эксперименты и результаты — все в карточках!
🔗 Статья
💻 Код
#разборстатьи
- 🔥 12
- ❤ 5
