Distributed Subgraph Detection
在分布式网络计算的标准CONGEST模型中，最小生成树、直径、全对最短路径等“全局”任务在直径恒定的$n$节点网络中的运行时间为$Ω(\mbox{poly}(n))$轮，占用大量带宽。令人惊讶的是，“局部”任务，如检测4圈作为子图的存在，也需要$\widetildeΩ(\sqrt{n})$轮，即使使用随机算法，和最知名的上限检测3圈的存在是$\widetilde{O}(n^{\frac{2}{3}})$轮。本文的目的是更好地了解景观这样的子图检测任务。我们发现，在对比\emph{cycles}，这是很难检测到的CONGEST模型，存在一个确定性的算法，用于检测存在一个子图同构$T$运行在一个\emph{constant}轮数，每棵树$T$。我们的算法提供了一个分布式实现的组合技术，由于Erdalys等人。稀疏的节点在每一轮保持的部分解决方案的集合。我们的结果对\emph{distributed property-testing}有重要的影响，即，到随机算法，其目的是区分满足某个性质的图和远不满足该性质的图。特别地，我们得到，对于每一个图模式$H$组成的边和树连接在一个任意的方式，存在一个分布式测试算法的$H$ -freeness，在一个常数轮数执行。虽然类的图形模式$H$形成的树和边连接任意可能看起来是人为的，所有以前的结果的文献有关测试$H$ -自由的经典模式，如周期和集团可以被…
2017-06-13 cs.DC
Distributed Deterministic Exact Minimum Weight Cycle and Multi Source Shortest Paths in Near Linear Rounds in CONGEST model
本文提出连续阻塞集序列技术，在 CONGEST 模型中以近线性轮数确定性求解 MWC、ANSC，并在源集不超过 √n 时求解 MSSP。
2023-10-01 cs.DC cs.DS
A Model for Coherent Distributed Memory For Race Condition Detection
我们提出了一个新的模型，分布式共享内存系统的基础上，远程数据访问。这些功能由允许单侧操作、远程直接内存访问和操作系统旁路的网络接口卡提供。该模型导致新的分布式算法的解释，使我们能够提出一种创新的竞争条件的检测技术，只基于逻辑时钟。事实上，并行程序中（数据）竞争的存在使其难以推理，通常被认为是一个错误。
2011-02-12 cs.DC
Distributed computation of homology using harmonics
提出了一种计算单纯复形第一同调的分布式算法。这类算法在传感器网络的拓扑分析中非常有用，如其覆盖特性。我们采用生成树计算代数1-圈的基础，然后使用谐波有效地确定可收缩和同源的循环。该算法的计算复杂性为$O(|P|^ω)$，其中$|P|$远小于边数，$ω$为矩阵矩阵的阶的复杂度阶数。对于几何图形，我们使用模拟表明，$|P|$是非常接近的第一个贝蒂数。
2013-06-05 cs.DC math.AT
Distributed CONGEST Algorithm for Finding Hamiltonian Paths in Dirac Graphs and Generalizations
针对Dirac图等满足最小度条件的图类，提出一种$O(\log n)$轮的随机分布式CONGEST算法，可高概率找到哈密顿环与最大匹配，远优于一般图的复杂度下界，并可推广至Ore图、Rahman-Kaykobad图。
2023-07-20 cs.DC
DQSB: A Reliable Broadcast Protocol Based on Distributed Quasi-Synchronized Mechanism for Low Duty-Cycled Wireless Sensor Networks
在负载循环的无线传感器网络中，部署的传感器节点通常会根据睡眠调度方法进入睡眠状态以提高能量效率。任何睡眠调度方案及其支持协议都确保数据始终可以从源路由到接收器。本文研究了随机休眠调度机制中的多跳广播和路由问题，提出了一种新的协议DQSB，通过准同步机制实现可靠广播和更少延迟的路由。DQSB既不假设时间同步，要求所有相邻节点在同一时间唤醒，也不假设占空比的意识，这使得它很难在异步无线传感器网络中使用。此外，用于从信宿到其他节点的广播的准同步机制的益处在于，由于没有休眠等待时间或休眠等待时间更少，所以用于反向数据汇集到信宿的延迟更少的路由路径。仿真结果表明，DQSB协议在广播次数性能上优于现有协议，并且即使在不可靠链路的情况下也能保持相对容忍的广播延迟性能。在本文中，建议的DQSB协议，可以被认为是广播时间和广播延迟之间的权衡。我们还探讨了假设中参数的影响以及获得支持DQSB的适当值的方法。
2012-07-11 cs.DC cs.NI
A Labeling Approach to Incremental Cycle Detection
在\emph{incremental cycle detection}问题中，弧被添加到有向无环图中，并且算法必须报告新弧是否闭合一个循环。人们寻求最小化处理整个弧插入序列的总时间，或者直到出现一个循环。在最近的一项突破中，Bender、Fineman、Gilbert和Tarjan \cite{BeFiGiTa11}提出了两种不同的算法，分别具有时间复杂度$O(n^2 \log n)$和$O(m \cdot \min \{m^{1/2}, n^{2/3} \})$。在本文中，我们介绍了一种新的技术，增量周期检测，使我们能够获得两个界限（对数因子）。此外，我们的方法似乎更友好的分布式实现。
2013-10-31 cs.DC cs.DS
Efficient Distributed Community Detection in the Stochastic Block Model
设计有效的社区发现算法是{ \em large-scale}图中的一个重要且具有挑战性的问题，在文献中得到了广泛的研究。已经提出了各种解决方案，但其中许多都是集中式的，具有昂贵的过程（需要输入图的全部知识），并且具有很长的运行时间。在本文中，我们提出了一个分布式算法的社区发现的{ \em随机块模型}（也称为{ \em种植分区模型}），广泛研究和规范的随机图模型的社区发现和聚类。我们的算法称为{ \em CDRW（社区发现by Random Walks）}是基于随机游动的，是局部的，轻量级的，易于实现。该算法的一个新的特点是，它使用的概念{ \em本地混合时间}来确定周围的社区一个给定的节点。我们提出了一个严格的理论分析表明，该算法可以准确地识别社区的随机块模型和特征的模型参数的算法的工作。我们还提出了实验结果，验证我们的理论分析。我们还分析了我们的分布式算法下的CONGEST分布式模型的性能，以及$k$ -机模型，大规模分布式计算的模型，并表明它可以有效地实现。
2019-04-16 cs.DC
Fast Computation of Small Cuts via Cycle Space Sampling
我们描述了一种新的基于采样的方法来确定无向图中的割。对于一个图（V，E），它的圈空间是E的所有子集的族，这些子集在每个顶点都有偶数度。我们证明，以高概率，采样的循环空间确定的削减的图。这导致了简单的新的线性时间顺序算法，找到所有的切割边缘和切割对（一组2个边缘，形成一个切割）的图。在图G=（V，E）中的分布式计算模型中，我们的方法对几个问题产生了更快的算法。G的直径用Diam表示，最大度用Delta表示。我们得到简单的O（直径）时间分布算法，找到所有的切割边缘，2-边连接组件，并削减对，匹配或改进以前的时间界限。在自然条件下，这些新算法是普遍最优的-即一个欧米茄（直径）时间下界举行的每一个图。我们得到了一个O（直径+Delta/log V）-时间分布式算法寻找割顶点，这是快于最好的以前的算法时，三角洲，直径= O（sqrt（V））。一个简单的扩展，我们的工作产生的第一个分布式算法与3-边连接组件的次线性时间。基本的分布式算法是蒙特卡洛，但它们可以在不增加渐近复杂性的情况下被拉斯维加斯。在EREW PRAM上的并行计算模型中，我们的方法产生了一个简单的算法，具有最佳的时间复杂度O（log V），用于寻找割对和3-边连接组件。
2010-07-21 cs.DC cs.DS
A Partition-centric Distributed Algorithm for Identifying Euler Circuits in Large Graphs
在图中寻找欧拉回路是一个经典的问题，但在并行计算中还没有得到充分的探索。随着这种循环在神经科学和物联网中用于大型图，设计一种分布式算法来找到欧拉电路是很重要的。现有的并行算法是不切实际的商品集群和云。我们提出了一种新的分区为中心的算法来找到欧拉电路，在大型图形划分跨分布式机器和迭代执行使用批量同步并行（BSP）模型。该算法在每个分区中找到部分路径和循环，并通过递归合并分区将其细化为更长的路径。我们描述了该算法，分析了其复杂性，在Apache Spark上对大型图进行了验证，并提供了实验结果。我们还确定了算法中的内存瓶颈，并提出了一个增强的设计来解决它。
2019-03-16 cs.DC
Distributed Computations in Fully-Defective Networks
我们解决完全有缺陷的异步网络，其中所有的链接都受到无限数量的更改错误，这意味着网络中的所有消息可能完全损坏。尽管可能的直觉，这样的设置是太苛刻的任何可靠的通信，我们展示了如何模拟任何算法的无噪声设置在任何完全有缺陷的设置，给定的网络是2边连接。我们证明，如果网络不是2-边连接，没有非平凡的计算在完全亏损设置是可能的。我们利用的2-边连通图的关键结构性质是存在一个经过所有节点的定向（非简单）循环[Robbins，1939]。我们技术贡献的核心是在完全有缺陷的网络中构建这样一个罗宾斯循环，并展示如何在完全消息损坏的情况下进行通信。这些是以内容无关的方式获得的，因为节点必须忽略接收到的消息的内容。
2022-05-23 cs.DC
Distributed asynchronous convergence detection without detection protocol
在本文中，我们解决的问题，检测的时刻，当一个正在进行的异步并行迭代过程可以被终止，以提供一个足够精确的解决方案，一个固定点的问题正在解决。制定的检测问题作为一个全球性的解决方案识别问题，我们分析了基于快照的方法，这是唯一一个允许精确的全球残差计算。从最近开发的近似快照协议提供了一个可靠的全球残留误差，我们在这里实验研究，以及，没有任何事先特定的检测机制计算的全球残留误差的可靠性。单站点超级计算机上的结果成功地表明，这种高性能计算平台可能提供足够稳定的计算环境，以允许简单地诉诸于非阻塞归约操作来计算可靠的全局残差，这在实现和执行级别上都提供了显著的时间节省。
2022-06-30 cs.DC
Distributed Colour Reduction Revisited
本文给出了一种新的、简单的路和圈图着色的分布式算法。我们的算法是快速和独立的，它不需要任何全局一致的方向，它减少了颜色的数量从$10^{100}$到$3$在三个迭代。
2017-09-04 cs.DC cs.DS
No Distributed Quantum Advantage for 3-Coloring Rooted Trees and 2-Coloring Even Cycles
CNRS, Université Paris Cité, IRIF（法国国家科学研究中心，巴黎西岱大学，IRIF）
研究量子资源在分布式计算中是否能提供优势。通过颜色提升技术给出 3 色有根树的轮数下限，表明量子资源无优势；还证明 2 色偶圈在量子 - LOCAL 模型中所需轮数，显示量子算法不比经典算法节省轮数。
2026-07-14 cs.DC quant-ph
Faster Cycle Detection in the Congested Clique
本文提出一种在Congested Clique模型中检测$h$-环的快速分布式算法，通过并行计算小矩阵乘积的新技术，大幅提升了奇数$h$及有向图所有$h$值的检测速度，并拓展至量子变体的三角形检测。
2024-08-27 cs.DC cs.DS
Fast Distributed Algorithms for Girth, Cycles and Small Subgraphs
在本文中，我们给快速分布式图算法检测和上市的小子图，并计算或近似的围长。我们的算法通过多项式因子改进了现有技术，对于围长，我们得到了拥塞集团中加性+1近似的常数时间算法，以及CONGEST中精确计算的第一个参数化算法。在拥挤的集团，我们开发了一种技术，学习小的邻域，并将其应用到获得一个$O(1)$轮算法，计算周长只有一个加性+1错误。接下来，我们介绍了一种新的技术（分区树技术），允许有效地和确定性地列出任何子图的所有副本，改进了非稠密图的最新技术。我们给出了这种技术的两个应用：首先，我们表明，对于恒定的$k$，$C_{2k}$ -检测可以解决在$O(1)$轮拥塞集团，改善以前的工作，使用矩阵乘法和多项式轮复杂度。第二，我们证明了在无三角形图中，围长可以在时间上以多项式的速度精确计算，比一般图的最佳已知界要快。在CONGEST中，我们描述了一种新的方法来寻找周期，并将其应用在两个方面：首先，我们展示了一个快速的参数化算法周长与轮复杂度$\tilde{O}(\min(g\cdot n^{1-1/Θ(g)},n))$的任何周长$g$;第二，我们展示了如何找到小的偶数长度周期$C_{2k}$的$k = 3,4,5$在$O(n^{1-1/k})$轮，这是一个多项式的改善以前的运行时间。最后，利用我们改进的$C_6$ -freeness算法和Eden等人关于证明三角形-freeness下界的障…
2021-01-19 cs.DC cs.DS
READ: a three-communicating-stage distributed super points detections algorithm
超级点是在一段时间内与网络中大量对等方交互的主机。超点检测在网络研究和应用中占有重要地位。随着网络规模的增大，分布式超点检测成为研究的热点。与单节点超点检测算法相比，多节点分布式环境下超点检测的难点在于如何减少通信开销。为此，本文提出了一种三阶段通信分布式超点检测算法：基于粗估计的异步分布式超点检测算法（READ）。READ使用轻量级的估计器Rough Estimate（RE），其计算速度快，生成候选超点占用的内存少。同时，利用线性估计器（LE）精确估计每个候选超点的基数，从而正确检测超点。在READ中，每个节点异步扫描IP地址对。当到达时间窗口边界时，READ开始三级通信以检测超点。本文证明了分布式环境下READ的准确性不低于单节点环境下的准确性。使用四组10 Gb/s和40 Gb/s的真实高速网络流量来测试READ。实验结果表明，READ算法不仅在分布式环境下具有较高的准确率，而且与现有算法相比，其通信负担小于5%。
2019-07-18 cs.DC cs.NI
Beyond Distributed Subgraph Detection: Induced Subgraphs, Multicolored Problems and Graph Parameters
子图检测是分布式计算的CONGEST模型中研究最多的问题之一。本文研究了与子图检测密切相关的问题的分布复杂性，主要集中在导出子图检测上。本文的主要工作是给出输入图的结构参数的下界和参数化算法：--在一般图上，给出CONGEST中树宽为2的圈和模式的诱导检测的无条件下界。此外，通过适应减少集中参数化的复杂性，我们证明了下界在CONGEST检测模式的4-团，并诱导路径检测条件的硬度在拥挤的集团三角形检测。--在有界退化的图上，我们证明了在CONGEST中使用参数化算法的技术可以快速检测到诱导路径，而检测树宽为2的循环和模式是困难的。--在顶点覆盖数有界的图上，我们证明了对任何模式图，在CONGEST中导出子图的检测是容易的。更具体地说，我们适应一个集中的参数化算法更一般的最大共同诱导子图检测问题的分布式设置。除了这些诱导子图检测结果，我们研究了各种相关的问题，在拥塞和拥挤的集团模型，包括多色版本的子图检测问题。
2021-12-07 cs.DC cs.DS
Breaking Barriers for Distributed MIS by Faster Degree Reduction
本研究针对分布式LOCAL模型下的最大独立集求解难题，提出适用于无长度≤6的环的图的亚对数轮算法，将支持该类算法的图围长下限推至7，还反驳了树中MIS算法复杂度的相关猜想。
2025-05-21 cs.DC cs.DS
Robust Failure Detection Architecture for Large Scale Distributed Systems
故障检测是大规模分布式系统中保证容错的基本构件。故障检测器有很多方法和实现。在现成的分布式系统中提供灵活的故障检测是困难的。在本文中，我们提出了一个创新的解决方案，这个问题。我们的方法是基于自适应的，分散的故障检测器，能够工作的异步和独立的应用程序流。所提出的解决方案考虑了故障检测器的架构，基于聚类，使用基于流言的算法在本地检测，并使用层次结构的检测器集群之间的流量通道。该解决方案可以扩展到大量的节点，考虑应用程序和资源的QoS要求，并包括容错和系统编排机制，以评估分布式系统的可靠性和可用性。
2009-10-05 cs.DC cs.NI
Distributed Fault Detection in Sensor Networks using a Recurrent Neural Network
在传感器网络的长期部署中，监测收集的数据的质量是一个关键问题。在部署过程中，传感器会暴露在恶劣的条件下，导致其中一些传感器出现故障或提供不太准确的数据。如果这样的退化仍然未被检测到，传感器网络的有用性可以大大降低。我们提出了一种方法，学习不同的传感器之间的时空相关性，并利用学习到的模型，通过使用分布式计算和节点之间的本地通信来检测行为不端的传感器。我们介绍SODESN，分布式循环神经网络架构，和学习方法训练SODESN故障检测在分布式的情况下。我们的方法是使用来自不同类型的传感器的数据进行评估，并能够很好地工作，即使不太完美的链路质量和超过50%的失败节点。
2009-06-23 cs.DC cs.NE
PriMaL: A Privacy-Preserving Machine Learning Method for Event Detection in Distributed Sensor Networks
本文介绍了PriMaL，一种通用的隐私保护机器学习方法，用于降低通过网络传输的信息的隐私成本。分布式传感器网络通常用于高风险情况下的异常事件的自动分类和检测，例如建筑物中的火灾，地震或人群灾难。这种网络可能会传输隐私敏感信息，例如智能手机的GPS位置，如果网络受到损害，这些信息可能会被披露。隐私问题可能会减缓该技术的采用，特别是在参与是自愿的社交感测场景中，因此需要在不损害事件检测准确性的情况下提高隐私的解决方案。PriMaL被实现为一个机器学习层，它在现有的事件检测算法之上工作。实验运行在一个通用的仿真框架，几个网络拓扑结构和参数值。国家的最先进的事件检测算法的隐私足迹进行比较，在所提出的框架。结果表明，PriMaL是能够降低隐私成本的分布式事件检测算法低于相应的集中式算法，在一些假设的范围内的协议。而且分布式算法的性能在统计上并不比集中式算法差。
2017-03-21 cs.CR cs.DC
Network Anomaly Detection in Distributed Edge Computing Infrastructure
本文提出融合联邦学习、Apache Spark与Kubernetes的分布式边缘计算框架，通过在UNSW-NB15和ROAD数据集上的实验证明其能显著提升网络异常检测准确率与训练效率。
2025-01-25 cs.DC cs.NI
Federated Anomaly Detection over Distributed Data Streams
FEUP（波尔图大学工程学院）；INESC TEC（葡萄牙国家能源与电网研究所）；FCUP（波尔图大学理学院）；FEP（波尔图大学经济学院）
例如，由于隐私立法和法规以及其他重要的道德问题，即使在高聚合水平上，电信网络数据的共享如今也受到高度限制。它导致数据分散在机构、地区和州之间，抑制了人工智能方法的使用，否则这些方法可以大规模利用数据。它需要建立一个平台来控制这些数据，建立模型或执行计算。在这项工作中，我们提出了一种方法来建立异常检测，联邦学习和数据流之间的桥梁。这项工作的首要目标是在分布式数据流上检测联邦环境中的异常。这项工作通过在异常检测的联邦学习设置中调整数据流算法，并通过提供一个强大的框架和在真实世界的分布式部署场景中演示实际可行性，补充了最先进的技术。
2022-05-17 cs.DC cs.LG
Quantum Distributed Algorithms for Detection of Cliques
量子计算提供的可能性最近引起了分布式计算社区的关注，几个突破性的结果显示量子分布式算法比已知的最快的经典算法运行得更快，甚至两种模型之间的分离。一个主要的例子是Izumi，Le Gall和Magniez [STACS 2020]的结果，他们表明量子分布式算法的三角形检测比三角形列表更容易，而在经典情况下，类似的结果是未知的。在本文中，我们提出了一个快速量子分布式集团检测的框架。这改进了三角形情况的现有技术，并且也更一般，适用于更大的集团大小。我们的主要技术贡献是一个新的方法来检测集团封装为搜索任务的节点，可以添加到更小的集团。为了从我们的方法中提取最好的复杂性，我们开发了一个嵌套分布式量子搜索的框架，该框架采用量子本身的检查程序。此外，我们证明了一个电路的复杂性障碍的形式$Ω(n^{3/5+ε})$的$K_p$ -检测任何$p \geq 4$的下界，即使在经典的（非量子）分布式CONGEST设置。
2022-01-09 cs.DC cs.DS quant-ph
Multi-Source Anomaly Detection in Distributed IT Systems
TU Berlin（柏林工业大学）；Springer Heidelberg（施普林格·海德堡）；Princeton University（普林斯顿大学）；ABC Institute, Rupert-Karls-University Heidelberg（海德堡鲁珀特·卡尔斯大学ABC研究所）
分布式系统产生的多源数据提供了对系统的整体描述。通过学习模型利用不同模态的联合分布可以有益于用于维护分布式系统的关键应用。一个这样的重要任务是异常检测的任务，我们感兴趣的是检测系统的当前行为与理论预期的偏差。在这项工作中，我们利用联合表示从分布式的痕迹和系统日志数据的异常检测任务在分布式系统中。我们证明，联合利用的痕迹和日志产生更好的结果相比，单一的模态异常检测方法。此外，我们形式化的学习任务-下一个模板预测NTP，这是用来作为一个泛化的日志和分布式跟踪异常检测。最后，我们证明了这种形式化允许学习的痕迹和日志的模板嵌入。联合嵌入可以在其他应用程序中重用，作为跨度和日志的良好初始化。
2021-01-13 cs.DC cs.LG cs.SC
Distributed Estimation and Detection with Bounded Transmissions over Gaussian Multiple Access Channels
分布式推理计划，它使用有界传输函数在高斯多址信道被认为是。当传感器测量作为传感器指数的函数可靠性递减时，表征了在其下一致估计和可靠检测是可能的传输函数上的条件。对于分布估计问题，在噪声样本方差有界且传递函数为一对一的条件下，证明了使用有界传递函数的估计方案是强相合的.所提出的估计方案相比，放大和转发技术和其鲁棒性的脉冲传感噪声分布突出。放大和转发方案相比，它也表明，有界传输遭受不一致的估计，如果感测噪声方差趋于无穷大。对于分布式检测问题，通过研究偏转系数也得到了类似的结果。模拟证实了我们的分析结果。
2013-06-26 cs.DC cs.IT math.IT
Design and implementation of a distributed security threat detection system integrating federated learning and multimodal LLM
University of California San Diego（加利福尼亚大学圣迭戈分校）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
本文提出一种集成联邦学习与多模态大语言模型的分布式威胁检测系统，在10TB数据集上实现96.4%准确率，较基线提升4.1个百分点，兼顾隐私与效率。
2025-02-25 cs.AI cs.CR cs.DC
Incremental Community Detection in Distributed Dynamic Graph
社区发现是图分析领域的一个重要研究课题，具有广泛的应用前景。在过去的几年中，开发了各种静态社区发现算法和质量度量。然而，大多数真实世界的图形不是静态的，经常会随着时间的推移而变化。在流数据的情况下，相关联的图中的社区需要被连续地更新或者每当新的数据流被添加到图中时被更新，这在设计良好的社区发现算法以用于在流数据上维护动态图方面提出了大得多的挑战。在本文中，我们提出了一个增量式的社区发现算法，用于维护流数据的动态图。本研究的贡献包括：（a）分布式加权社区聚类（DWCC）算法的实现，（b）一种新的增量分布式加权社区聚类（IDWCC）算法的设计和实现，以及（c）一个实验研究，我们的IDWCC算法与DWCC算法的性能进行比较。我们验证了我们的框架在处理流数据和执行大型内存中的分布式动态图分析的功能和效率。结果表明，我们的IDWCC算法的执行速度比DWCC算法的三倍相似的精度。
2021-10-12 cs.DC cs.LG cs.SI
Distributed Detection in Tree Networks: Byzantines and Mitigation Techniques
在本文中，分布式检测问题的树网络中存在拜占庭被认为是。得到了使融合中心处的漏检误差指数最小的最优攻击策略的封闭表达式。我们还从网络设计师（FC）的角度来看待这个问题。我们研究了在一个树形网络中存在拜占庭的最优分布式检测参数的设计问题。接下来，我们将FC和攻击者之间的战略互动建模为领导者-追随者（Stackelberg）博弈。该公式提供了一种预测攻击者和防御者（FC）均衡策略的方法，该方法可用于实现最佳检测器。最后，提出了一个基于信誉的方案来识别拜占庭，其性能进行了分析评估。我们还提供了一些数值例子来深入了解解决方案。
2014-10-22 cs.CR cs.DC math.OC
Distributed Triangle Detection is Hard in Few Rounds
针对分布式三角形检测问题，本文提出一种结合多趟图流下界与点对点通信特性的新信息论论证方法，证明了任何分布式协议均需 $Ω(\log\log{n})$ 轮通信。
2025-08-13 cs.CC cs.DC cs.DS
Failure-tolerant Distributed Learning for Anomaly Detection in Wireless Networks
The University of Melbourne（墨尔本大学）；Northrop Grumman Corporation（诺斯罗普·格鲁曼公司）
对分布式技术的分析通常集中在其效率上，而不考虑其鲁棒性（或缺乏鲁棒性）。当设备或中央服务器可能发生故障时，这种考虑尤其重要，这可能会削弱分布式系统。当这种故障出现在无线通信网络中时，它们使用/提供的重要服务（如异常检测）可能无法操作，并且可能导致一连串的安全问题。在本文中，我们提出了一种新的方法来解决这些风险相结合的平面和星形拓扑结构，结合两者的性能和可靠性的好处。我们把这种方法称为“Tol-FL”，因为它与联邦学习技术相比具有更高的容错性。我们的方法既限制了设备故障风险，又在考虑客户端和服务器故障的一系列现实设置中，在异常检测AUROC方面比以前的方法高出8%，同时降低了通信成本。该性能表明Tol-FL是一种非常适合用于异常检测的分布式模型训练的方法，特别是在无线网络领域。
2023-03-23 cs.AI cs.DC cs.LG
Classification of Local Optimization Problems in Directed Cycles
GSSI（全球创新学院）；University of Freiburg（弗赖堡大学）；CISPA Helmholtz Center for Information Security（CISPA 亥姆霍兹信息安全中心）；Aalto University（阿尔托大学）
研究对有向环中局部优化问题的分布式计算复杂度进行分类，提出基于问题类型和近似比的复杂度划分，并设计高效算法。
2026-03-05 cs.CC cs.DC cs.FL
Distributed Bayesian Detection with Byzantine Data
在本文中，我们考虑的问题，分布式贝叶斯检测在网络中的拜占庭的存在。假设网络中的一部分节点受到攻击并被对手重新编程，向融合中心（FC）发送错误信息，从而降低检测性能。分布式检测的问题制定为一个二元假设检验在FC的基础上发送的传感器的1位数据。得到了拜占庭人致盲FC所需的最小攻击力的表达式。更具体地说，我们表明，在一定比例的拜占庭攻击者在网络中，检测方案变得完全无法利用传感器数据进行检测。我们分析了不同的攻击方案下的问题，并得出不同的非渐近情况下的结果。据发现，现有的渐近为基础的结果不持有几个非渐近的情况下。当拜占庭的分数是不足以盲目的FC，我们也提供了封闭形式的表达式的最佳攻击策略的拜占庭，最降低检测性能。
2014-09-03 cs.CR cs.DC cs.GT
