Yapay zeka ve makine öğrenmesi alanında merkeziyetsiz sistemler giderek önem kazanırken, bu sistemlerin güvenliği kritik bir konu haline geldi. Araştırmacılar, Bizans saldırıları olarak bilinen kötü niyetli müdahalelere karşı yeni bir savunma yöntemi geliştirdi.
Geleneksel yaklaşımlar, saldırgan makinelerin etkilerini azaltmak için güçlü toplama kuralları kullanıyor ancak bu stratejiler doğal olarak yanlılık yaratıyor ve sistemin tam yakınsamasını engelliyor. Yeni geliştirilen DRSGD-ByMI (Decentralized Rescaled Stochastic Gradient Descent with Byzantine Machine Identification) framework'ü ise pasif toplama yerine aktif tespit stratejisini benimsiyor.
Bu yaklaşımın temelinde 'önce tespit et, sonra optimize et' mantığı yatıyor. Sistem, p-değeri gerektirmeyen bir tespit prosedürü kullanarak kötü niyetli düğümleri ağdan hassas bir şekilde ayıklıyor. Örnek-bölme skor istatistikleri kullanan bu tespit mekanizması, kısıtlayıcı dağılım varsayımları gerektirmeden yanlış keşif oranını kontrol altında tutuyor.
Araştırmacılar, bu hassas tanımlama sisteminin teorik olarak tam yakınsama sağladığını gösterdi. Bu gelişme, merkeziyetsiz öğrenme sistemlerinin güvenilirliğini artırırken, aynı zamanda performanslarını da iyileştiriyor.