| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-03-20 15:45 動的ポイズニング攻撃に対するスライディングウィンドウ上側信頼限界を用いた連合学習の適応的防御 ○胡 晨玉・石水優成（科学大）・李 家隆（早大）・鄭 顕志（科学大）  KBSE2025-70 |
|
| 抄録 | （和） | 連合学習（Federated Learning: FL）は動的なポイズニング攻撃に対して依然として脆弱であり、既存のビザンチン耐性集約ルール（BRARs）では攻撃の変化に適応できないことが多い。本稿ではこの課題に対処するため、集約ルールの選択を非定常多腕バンディット（MAB）問題として定式化した適応的防御フレームワークを提案する。提案手法は、K-meansクラスタリングとスライディングウィンドウUCB（SW-UCB）アルゴリズムを統合したものである。スライディングウィンドウ機構によって直近の観測結果を優先することで、変化する攻撃戦略に対して迅速な適応が可能となる。MNISTおよびCIFAR-10データセットを用いた実験の結果、提案手法は計算コストの増加を無視できる範囲に抑えつつ、動的な攻撃下において最先端の防御手法を大幅に上回る堅牢性を示した。 |
| （英） | Federated Learning (FL) remains vulnerable to dynamic poisoning attacks where existing Byzantine Robust Aggregation Rules (BRARs) often fail to adapt. To address this, we propose an adaptive defense framework that formulates aggregation rule selection as a Non-Stationary Multi-Armed Bandit (MAB) problem. Our method integrates K-means clustering with the Sliding Window Upper Confidence Bound (SW-UCB) algorithm. By prioritizing recent observations via a sliding window, the proposed approach rapidly adapts to shifting attack strategies. Experiments on MNIST and CIFAR-10 demonstrate that our method significantly outperforms state-of-the-art defenses in robustness under dynamic attacks while maintaining negligible computation overhead. | |
| キーワード | （和） | 連合学習 / 動的ポイズニング攻撃 / 堅牢性 / 多腕バンディット / / / / |
| （英） | Federated Learning / Dynamic Poisoning Attacks / Robustness / Multi-Armed Bandit / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 423, KBSE2025-70, pp. 126-129, 2026年3月. | |
| 資料番号 | KBSE2025-70 | |
| 発行日 | 2026-03-12 (KBSE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | KBSE2025-70 |
|
| 研究会情報 | |
| 研究会 | KBSE |
| 開催期間 | 2026-03-19 - 2026-03-20 |
| 開催地（和） | 沖縄県総合福祉センター |
| 開催地（英） | Okinawa Prefectural General Welfare Center |
| テーマ（和） | 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | KBSE |
| 会議コード | 2026-03-KBSE |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | 動的ポイズニング攻撃に対するスライディングウィンドウ上側信頼限界を用いた連合学習の適応的防御 |
| サブタイトル（和） | |
| タイトル（英） | Defending Against Dynamic Poisoning Attacks in Federated Learning via Sliding Window Upper Confidence Bound |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 連合学習 / Federated Learning |
| キーワード(2)（和/英） | 動的ポイズニング攻撃 / Dynamic Poisoning Attacks |
| キーワード(3)（和/英） | 堅牢性 / Robustness |
| キーワード(4)（和/英） | 多腕バンディット / Multi-Armed Bandit |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 胡 晨玉 / Chenyu Hu / コ チェンユー |
| 第1著者 所属（和/英） | 東京科学大学 (略称： 科学大) Institute of Science Toky (略称： Science Tokyo) |
| 第2著者 氏名（和/英/ヨミ） | 石水 優成 / Yusei Ishimizu / |
| 第2著者 所属（和/英） | 東京科学大学 (略称： 科学大) Institute of Science Toky (略称： Science Tokyo) |
| 第3著者 氏名（和/英/ヨミ） | 李 家隆 / Jialong Li / |
| 第3著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ) |
| 第4著者 氏名（和/英/ヨミ） | 鄭 顕志 / Kenji Tei / |
| 第4著者 所属（和/英） | 東京科学大学 (略称： 科学大) Institute of Science Toky (略称： Science Tokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-20 15:45:00 |
| 発表時間 | 30分 |
| 申込先研究会 | KBSE |
| 資料番号 | KBSE2025-70 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.423 |
| ページ範囲 | pp.126-129 |
| ページ数 | 4 |
| 発行日 | 2026-03-12 (KBSE) |
[研究会発表申込システムのトップページに戻る]