Buchumschlag

TOFU: Towards Obfuscated Federated Updates by Encoding Weight Updates into Gradients from Proxy Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Garg, Isha, Nagaraj, Manish, Roy, Kaushik
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Coresets from Trajectories: Selecting Data via Correlation of Loss Differences
von: Nagaraj, Manish, et al.
Veröffentlicht: (2025)

TopoPrune: Robust Data Pruning via Unified Latent Space Topology
von: Roy, Arjun, et al.
Veröffentlicht: (2026)

TraceNAS: Zero-shot LLM Pruning via Gradient Trace Correlation
von: Malettira, Prajna G., et al.
Veröffentlicht: (2026)

Finding the Muses: Identifying Coresets through Loss Trajectories
von: Nagaraj, Manish, et al.
Veröffentlicht: (2025)

TRIM: Token-wise Attention-Derived Saliency for Data-Efficient Instruction Tuning
von: Nagaraj, Manish, et al.
Veröffentlicht: (2025)

Pruning for Improved ADC Efficiency in Crossbar-based Analog In-memory Accelerators
von: Ibrayev, Timur, et al.
Veröffentlicht: (2024)

Federated Learning with Hypergradient-based Online Update of Aggregation Weights
von: Nakai-Kasai, Ayano, et al.
Veröffentlicht: (2026)

TOFU: A Task of Fictitious Unlearning for LLMs
von: Maini, Pratyush, et al.
Veröffentlicht: (2024)

Generalization Guarantees on Data-Driven Tuning of Gradient Descent with Langevin Updates
von: Goyal, Saumya, et al.
Veröffentlicht: (2026)

Degree of Staleness-Aware Data Updating in Federated Learning
von: Liu, Tao, et al.
Veröffentlicht: (2025)

Gradient Transformer: Learning to Generate Updates for LLMs
von: Nguyen, Binh-Nguyen, et al.
Veröffentlicht: (2026)

FEDORA: Flying Event Dataset fOr Reactive behAvior
von: Joshi, Amogh, et al.
Veröffentlicht: (2023)

Stochastic Gradient Methods with Preconditioned Updates
von: Sadiev, Abdurakhmon, et al.
Veröffentlicht: (2022)

Fast Decentralized Gradient Tracking for Federated Minimax Optimization with Local Updates
von: Li, Chris Junchi
Veröffentlicht: (2024)

Age-of-Gradient Updates for Federated Learning over Random Access Channels
von: Wu, Yu Heng, et al.
Veröffentlicht: (2024)

Per-Axis Weight Deltas for Frequent Model Updates
von: Kuyumdzhiev, Stefan, et al.
Veröffentlicht: (2025)

Improving Unlearning with Model Updates Probably Aligned with Gradients
von: Dine, Virgile, et al.
Veröffentlicht: (2025)

Reviving Stale Updates: Data-Free Knowledge Distillation for Asynchronous Federated Learning
von: Askin, Baris, et al.
Veröffentlicht: (2025)

Weight Updates as Activation Shifts: A Principled Framework for Steering
von: Adila, Dyah, et al.
Veröffentlicht: (2026)

Efficient Incremental Belief Updates Using Weighted Virtual Observations
von: Tolpin, David
Veröffentlicht: (2024)

Learning from Data Streams: An Overview and Update
von: Read, Jesse, et al.
Veröffentlicht: (2022)

Gradient-Weight Alignment as a Train-Time Proxy for Generalization in Classification Tasks
von: Hölzl, Florian A., et al.
Veröffentlicht: (2025)

TOFFE -- Temporally-binned Object Flow from Events for High-speed and Energy-Efficient Object Detection and Tracking
von: Kosta, Adarsh Kumar, et al.
Veröffentlicht: (2025)

Recovering Labels from Local Updates in Federated Learning
von: Chen, Huancheng, et al.
Veröffentlicht: (2024)

A Joint Approach to Local Updating and Gradient Compression for Efficient Asynchronous Federated Learning
von: Song, Jiajun, et al.
Veröffentlicht: (2024)

Less is More: Convergence Benefits of Fewer Data Weight Updates over Longer Horizon
von: Das, Rudrajit, et al.
Veröffentlicht: (2026)

Sample Weight Estimation Using Meta-Updates for Online Continual Learning
von: Hemati, Hamed, et al.
Veröffentlicht: (2024)

Understanding and Exploiting Weight Update Sparsity for Communication-Efficient Distributed RL
von: Miahi, Erfan, et al.
Veröffentlicht: (2026)

GradientSpace: Unsupervised Data Clustering for Improved Instruction Tuning
von: Sridharan, Shrihari, et al.
Veröffentlicht: (2025)

Gradient Flow Matching for Learning Update Dynamics in Neural Network Training
von: Shou, Xiao, et al.
Veröffentlicht: (2025)

Optimized Local Updates in Federated Learning via Reinforcement Learning
von: Murad, Ali, et al.
Veröffentlicht: (2025)

ReasonCACHE: Teaching LLMs To Reason Without Weight Updates
von: Gupta, Sharut, et al.
Veröffentlicht: (2026)

Fast and Effective Weight Update for Pruned Large Language Models
von: Boža, Vladimír
Veröffentlicht: (2024)

FLAIN: Mitigating Backdoor Attacks in Federated Learning via Flipping Weight Updates of Low-Activation Input Neurons
von: Ding, Binbin, et al.
Veröffentlicht: (2024)

Towards Straggler-Resilient Split Federated Learning: An Unbalanced Update Approach
von: Liang, Dandan, et al.
Veröffentlicht: (2025)

Tilted Quantile Gradient Updates for Quantile-Constrained Reinforcement Learning
von: Li, Chenglin, et al.
Veröffentlicht: (2024)

Gradient Shaping Beyond Clipping: A Functional Perspective on Update Magnitude Control
von: You, Haochen, et al.
Veröffentlicht: (2025)

Robust Decentralized Learning with Local Updates and Gradient Tracking
von: Ghiasvand, Sajjad, et al.
Veröffentlicht: (2024)

Layer-wise Update Aggregation with Recycling for Communication-Efficient Federated Learning
von: Kim, Jisoo, et al.
Veröffentlicht: (2025)

Byzantine-Robust Federated Learning: Impact of Client Subsampling and Local Updates
von: Allouah, Youssef, et al.
Veröffentlicht: (2024)