Ce projet à pour but de concevoir un cadre de principe pour répondre à cette question basé sur la théorie des algorithmes de bavardages. Ceux-ci représentent un moyen efficace de diffuser des informations dans un réseau pair-à-pair et ont longtemps été utilisés pour modéliser la propagation de maladies infectieuses, des rumeurs sur les réseaux sociaux.
Dans ces environnements, nous souhaitons que les communications entre les individus soient efficaces et que l'information se répande rapidement. En effet, personne ne souhaite que son statut sur Facebook soit mis à jour 3 jours après sa publication. Par conséquent, tout agent qui tente de ralentir la diffusion de l'information est considéré comme un adversaire du système. De même, essayer de surveiller les communications est généralement considéré comme une violation de la vie privée des individus. Mais lorsque les informations voyagent rapidement et sans aucun contrôle, cela rend le système vulnérable à la propagation rapide de fausses nouvelles à travers le réseau.
Dans ce projet, nous visons à transformer les adversaires en algorithmes et à contrôler la diffusion des informations dans les algorithmes de bavardage. L’originalité de notre démarche est de s’inspirer des méthodes traditionnellement considérées comme adversaires par les travaux antérieurs; tournant essentiellement les vulnérabilités précédentes à notre avantage. En particulier, nous visons à trouver des moyens de stopper les fausses informationset même de localiser leurs sources. Nous étudierons également l'impact de notre approche dans le domaine du machine learning et de l'optimisation pair-à-pair. En outre, les résultats de ce projet pourraient profiter aux gouvernements qui conçoivent des politiques pour ralentir la propagation des épidémies. Pour la plupart des axes de recherche que nous souhaitons explorer dans ce projet, nous avons établi au fil des années des résultats pionniers qui fournissent une base solide à notre enquête, utilisés pour modéliser la propagation de maladies infectieuses ou de rumeurs sur les réseaux sociaux. Plus récemment, les algorithmes de bavardage ont conduit à des avancées significatives dans les domaines de l'apprentissage automatique pair-à-pair et de l'optimisation décentralisée.
Can we control the spread of fake news or infectious diseases? This problem is not new, but is still important. This proposal aims to design a principled framework to answer this question based on the theory of gossip protocols. These represent an efficient mean to disseminate information in a peer-to-peer network and have been long used to model the spread of infectious diseases [20] or rumors in social networks [11, 19]. More recently, gossip protocols have led to significant advances in the fields of peer-to-peer machine learning [33] and decentralized optimization [10, 12].Consider individuals (agents) connected in a social network. Normally, we would like communications between individuals to be efficient and information to spread quickly. In fact, nobody wants their status on Facebook to be updated 3 days after publishing it. Accordingly, any agent that tries to slow the information spread will be considered as an adversary to the system [17]. Similarly, trying to monitor the communications is usually seen as a violation of individuals privacy [18]. But when information travels fast and without any control, it makes the system vulnerable to the quick spread of fake news through the network.In this project, we aim to turn adversaries into algorithms and control the diffusion of information in gossip protocols. The originality of our approach is to take inspira- tion from methods traditionally considered as adversaries by previous works; essentially turning previous vulnerabilities to our advantage. In particular, we aim at devising ways to stop fake news and even locate their sources. We will also study the impact of our approach in the domain of peer-to-peer machine learning and optimization. Besides, the findings of this project could benefit governments designing policies to slow the spread of epidemics. For most of the research directions we present in this proposal, we have established pioneering results over the years [5, 6, 16, 17] that provide a solid basis for our investigation.
Last updated:14.01.2022
