持続可能でレジリエントな産業ネットワークにおける、適応的しきい値設定と自律的意思決定によるフェデレーテッドラーニングのためのエージェンティック・トラスト協調
arXiv cs.AI / 2026/3/27
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、異種で資源制約のあるデバイスを備えた持続可能でレジリエントな産業ネットワークにおいて、フェデレーテッドラーニングの信頼性を高めるための軽量なサーバサイド「エージェンティック・トラスト・コントロール・レイヤ」を提案する。
- 固定パラメータに基づく、または純粋にリアクティブな信頼メカニズムだけでは不十分であることを踏まえ、不整合なクライアント挙動、ノイズのあるセンシング、ならびに不良／敵対的な更新が引き起こす問題に対処する。
- 提案手法は、時間とともに信頼およびシステムの状態を継続的に観測し、不安定性について推論したうえで、フェデレーテッド学習を安定に保つための的を射た信頼調整を適用する。
- この枠組みは、観測・推論・行動を分離することで、クライアント側での学習変更を要求せず、また通信オーバーヘッドを増やすことなく、文脈に応じた介入判断を可能にする。
