arXiv AI· Marco Arazzi, Mert Cihangiroglu, Antonino Nocera·· 3 天前评分23
Robust and Private Swarm Learning via Zero-Knowledge Validator Admission and Consensus Aggregation
摘要
我们提出了一种稳健、隐私保护的Swarm Learning框架，使可验证的数据质量成为学习任务的准入条件。验证器仅在零知识认证证明其参考模型在私有数据上正确运行后加入，且不透露任何原始样本。认证输出还生成无标签的类分布，因此网络从个体偏差的验证器中准确地构建出集体独立同分布的验证器池，其精度甚至达到拥有真实标签的Oracle（总变差距离至均匀分布，对Oracle为0.025，对随机选择为0.021）
推荐理由
请对照arXiv AI原文，核对完整说明及适用条件。
本站只提供摘要与原文入口。完整内容请阅读原文。
来源：arXiv AI · arxiv.org