Buchumschlag

Vertical Federated Graph Neural Network for Recommender System

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mai, Peihua, Pang, Yan
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Cryptography and Security 68T99 I.2.11
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DeTrigger: A Gradient-Centric Approach to Backdoor Attack Mitigation in Federated Learning
von: Lee, Kichang, et al.
Veröffentlicht: (2024)

Portable Agent Memory: A Protocol for Cryptographically-Verified Memory Transfer Across Heterogeneous AI Agents
von: Ravindran, Santhosh Kumar
Veröffentlicht: (2026)

When the Agent Is the Adversary: Architectural Requirements for Agentic AI Containment After the April 2026 Frontier Model Escape
von: Mitchell, Richard Joseph
Veröffentlicht: (2026)

Hiding in Plain Sight: Disguising Data Stealing Attacks in Federated Learning
von: Garov, Kostadin, et al.
Veröffentlicht: (2023)

LookAhead: Preventing DeFi Attacks via Unveiling Adversarial Contracts
von: Ren, Shoupeng, et al.
Veröffentlicht: (2024)

A V2X-based Privacy Preserving Federated Measuring and Learning System
von: Alekszejenkó, Levente, et al.
Veröffentlicht: (2024)

AgentBreeder: Mitigating the AI Safety Risks of Multi-Agent Scaffolds via Self-Improvement
von: Rosser, J, et al.
Veröffentlicht: (2025)

Memory poisoning and secure multi-agent systems
von: Torra, Vicenç, et al.
Veröffentlicht: (2026)

VFLAIR-LLM: A Comprehensive Framework and Benchmark for Split Learning of LLMs
von: Gu, Zixuan, et al.
Veröffentlicht: (2025)

Evaluating Membership Inference Attacks in heterogeneous-data setups
von: van Dartel, Bram, et al.
Veröffentlicht: (2025)

Sovereign-OS: A Charter-Governed Operating System for Autonomous AI Agents with Verifiable Fiscal Discipline
von: Yuan, Aojie, et al.
Veröffentlicht: (2026)

An Organization-Scoped LLM Agent Runtime Architecture for Regulated Cybersecurity Operations
von: Fatouros, George, et al.
Veröffentlicht: (2026)

FedRLHF: A Convergence-Guaranteed Federated Framework for Privacy-Preserving and Personalized RLHF
von: Fan, Flint Xiaofeng, et al.
Veröffentlicht: (2024)

Securing Federated Sensitive Topic Classification against Poisoning Attacks
von: Chu, Tianyue, et al.
Veröffentlicht: (2022)

LLM Scalability Risk for Agentic-AI and Model Supply Chain Security
von: Ahi, Kiarash, et al.
Veröffentlicht: (2026)

FedAttr: Towards Privacy-preserving Client-Level Attribution in Federated LLM Fine-tuning
von: Zhang, Su, et al.
Veröffentlicht: (2026)

Blind Gods and Broken Screens: Architecting a Secure, Intent-Centric Mobile Agent Operating System
von: Zou, Zhenhua, et al.
Veröffentlicht: (2026)

Accelerating Geo-distributed Machine Learning with Network-Aware Adaptive Tree and Auxiliary Route
von: Li, Zonghang, et al.
Veröffentlicht: (2024)

FEDLAD: Federated Evaluation of Deep Leakage Attacks and Defenses
von: Baglin, Isaac, et al.
Veröffentlicht: (2024)

Learning In Chaos: Efficient Autoscaling and Self-Healing for Multi-Party Distributed Training
von: Feng, Wenjiao, et al.
Veröffentlicht: (2025)

LLM-Assisted Iterative Evolution with Swarm Intelligence Toward SuperBrain
von: Weigang, Li, et al.
Veröffentlicht: (2025)

Agentic-AI Healthcare: Multilingual, Privacy-First Framework with MCP Agents
von: Shehab, Mohammed A.
Veröffentlicht: (2025)

Systematic Capability Benchmarking of Frontier Large Language Models for Offensive Cyber Tasks
von: Merves, Tyler H., et al.
Veröffentlicht: (2026)

Design Principles for the Construction of a Benchmark Evaluating Security Operation Capabilities of Multi-agent AI Systems
von: Cai, Yicheng, et al.
Veröffentlicht: (2026)

SPEAR:Exact Gradient Inversion of Batches in Federated Learning
von: Dimitrov, Dimitar I., et al.
Veröffentlicht: (2024)

Secure Decentralized Learning with Blockchain
von: Zhang, Xiaoxue, et al.
Veröffentlicht: (2023)

Prompt Fencing: A Cryptographic Approach to Establishing Security Boundaries in Large Language Model Prompts
von: Peh, Steven
Veröffentlicht: (2025)

PAC-DP: Personalized Adaptive Clipping for Differentially Private Federated Learning
von: Zhou, Hao, et al.
Veröffentlicht: (2026)

An Efficient Learning Framework For Federated XGBoost Using Secret Sharing And Distributed Optimization
von: Xie, Lunchen, et al.
Veröffentlicht: (2021)

SafetyDrift: Predicting When AI Agents Cross the Line Before They Actually Do
von: Dhodapkar, Aditya, et al.
Veröffentlicht: (2026)

SAFELearning: Enable Backdoor Detectability In Federated Learning With Secure Aggregation
von: Zhang, Zhuosheng, et al.
Veröffentlicht: (2021)

Seeing the Forest through the Trees: Data Leakage from Partial Transformer Gradients
von: Li, Weijun, et al.
Veröffentlicht: (2024)

Terrarium: Revisiting the Blackboard for Multi-Agent Safety, Privacy, and Security Studies
von: Nakamura, Mason, et al.
Veröffentlicht: (2025)

Federated k-Means over Networks
von: Yang, Xu, et al.
Veröffentlicht: (2025)

Tazza: Shuffling Neural Network Parameters for Secure and Private Federated Learning
von: Lee, Kichang, et al.
Veröffentlicht: (2024)

IntentMiner: Intent Inversion Attack via Tool Call Analysis in the Model Context Protocol
von: Yao, Yunhao, et al.
Veröffentlicht: (2025)

Towards Optimal Agentic Architectures for Offensive Security Tasks
von: David, Isaac, et al.
Veröffentlicht: (2026)

Security Attack and Defense Strategies for Autonomous Agent Frameworks: A Layered Review with OpenClaw as a Case Study
von: Xu, Luyao, et al.
Veröffentlicht: (2026)

BlockA2A: Towards Secure and Verifiable Agent-to-Agent Interoperability
von: Zou, Zhenhua, et al.
Veröffentlicht: (2025)

AIP: Agent Identity Protocol for Verifiable Delegation Across MCP and A2A
von: Prakash, Sunil
Veröffentlicht: (2026)