Zobrazeno 1 - 10
of 10 176
pro vyhledávání: '"Byzantine fault-tolerance"'
Given sufficient data from multiple edge devices, federated learning (FL) enables training a shared model without transmitting private data to a central server. However, FL is generally vulnerable to Byzantine attacks from compromised edge devices, w
Externí odkaz:
http://arxiv.org/abs/2411.10212
Autor:
Fu, Ximing, Li, Mo, Zeng, Qingming, Li, Tianyang, Yang, Shenghao, Guan, Yonghui, Liu, Chuanyi
This paper introduces Hamster, a novel synchronous Byzantine Fault Tolerance protocol that achieves better performance and has weaker dependency on synchrony. Specifically, Hamster employs coding techniques to significantly decrease communication com
Externí odkaz:
http://arxiv.org/abs/2409.19564
Autor:
Peepliwall, Ashok Kumar, Pandey, Hari Mohan, Prakash, Surya, Mahajan, Anand A, Chowhan, Sudhinder Singh, Kumar, Vinesh, Sharma, Rahul
The COVID-19 pandemic necessitated the emergence of decentralized Clinical Trials (DCTs) due to patient retention, accelerate trials, improve data accessibility, enable virtual care, and facilitate seamless communication through integrated systems. H
Externí odkaz:
http://arxiv.org/abs/2408.16885
Autor:
Antunes, Diogo S., Oliveira, Afonso N., Breda, André, Franco, Matheus Guilherme, Moniz, Henrique, Rodrigues, Rodrigo
Publikováno v:
In21st USENIX Symposium on Networked Systems Design and Implementation (NSDI 24) 2024 (pp. 313-328)
Traditional Byzantine Fault Tolerance (BFT) state machine replication protocols assume a partial synchrony model, leading to a design where a leader replica drives the protocol and is replaced after a timeout. Recently, we witnessed a surge of asynch
Externí odkaz:
http://arxiv.org/abs/2407.14538
Consensus is a fundamental building block for constructing reliable and fault-tolerant distributed services. Many Byzantine fault-tolerant consensus protocols designed for partially synchronous systems adopt a pessimistic approach when dealing with a
Externí odkaz:
http://arxiv.org/abs/2405.04606
Autor:
Zhou, Ziyi1 (AUTHOR) z.zhou.3@research.gla.ac.uk, Onireti, Oluwakayode1 (AUTHOR) oluwakayode.onireti@glasgow.ac.uk, Zhang, Lei1 (AUTHOR), Imran, Muhammad Ali1 (AUTHOR)
Publikováno v:
Sensors (14248220). Dec2024, Vol. 24 Issue 23, p7688. 20p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Decentralized Federated Policy Gradient with Byzantine Fault-Tolerance and Provably Fast Convergence
In Federated Reinforcement Learning (FRL), agents aim to collaboratively learn a common task, while each agent is acting in its local environment without exchanging raw trajectories. Existing approaches for FRL either (a) do not provide any fault-tol
Externí odkaz:
http://arxiv.org/abs/2401.03489