Buchumschlag

Privacy Preserving Federated Learning with Convolutional Variational Bottlenecks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Scheliga, Daniel, Mäder, Patrick, Seeland, Marco
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Artificial Intelligence Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Combining Stochastic Defenses to Resist Gradient Inversion: An Ablation Study
von: Scheliga, Daniel, et al.
Veröffentlicht: (2022)

Privacy-Preserving in Blockchain-based Federated Learning Systems
von: M., Sameera K., et al.
Veröffentlicht: (2024)

Privacy Preserving and Robust Aggregation for Cross-Silo Federated Learning in Non-IID Settings
von: Arazzi, Marco, et al.
Veröffentlicht: (2025)

Privacy-Preserving Federated Learning with Differentially Private Hyperdimensional Computing
von: Piran, Fardin Jalil, et al.
Veröffentlicht: (2024)

Privacy-Preserving Heterogeneous Federated Learning for Sensitive Healthcare Data
von: Xu, Yukai, et al.
Veröffentlicht: (2024)

Privacy-Preserving Federated Learning via Homomorphic Adversarial Networks
von: Dong, Wenhan, et al.
Veröffentlicht: (2024)

Privacy-Preserving Intrusion Detection using Convolutional Neural Networks
von: Kodys, Martin, et al.
Veröffentlicht: (2024)

Federated Foundation Models: Privacy-Preserving and Collaborative Learning for Large Models
von: Yu, Sixing, et al.
Veröffentlicht: (2023)

CADRE: Customizable Assurance of Data Readiness in Privacy-Preserving Federated Learning
von: Hiniduma, Kaveen, et al.
Veröffentlicht: (2025)

Towards Privacy-Preserving Data-Driven Education: The Potential of Federated Learning
von: Khalil, Mohammad, et al.
Veröffentlicht: (2025)

Federated Inference: Toward Privacy-Preserving Collaborative and Incentivized Model Serving
von: Seo, Jungwon, et al.
Veröffentlicht: (2026)

LIA: Privacy-Preserving Data Quality Evaluation in Federated Learning Using a Lazy Influence Approximation
von: Rokvic, Ljubomir, et al.
Veröffentlicht: (2022)

Towards Achieving Near-optimal Utility for Privacy-Preserving Federated Learning via Data Generation and Parameter Distortion
von: Zhang, Xiaojin, et al.
Veröffentlicht: (2023)

BACSA: A Bias-Aware Client Selection Algorithm for Privacy-Preserving Federated Learning in Wireless Healthcare Networks
von: Yadav, Sushilkumar, et al.
Veröffentlicht: (2024)

Privacy and Accuracy Implications of Model Complexity and Integration in Heterogeneous Federated Learning
von: Németh, Gergely Dániel, et al.
Veröffentlicht: (2023)

Effectiveness of L2 Regularization in Privacy-Preserving Machine Learning
von: Chandrinos, Nikolaos, et al.
Veröffentlicht: (2024)

Learning Privacy-Preserving Student Networks via Discriminative-Generative Distillation
von: Ge, Shiming, et al.
Veröffentlicht: (2024)

Privacy-Preserving Dynamic Assortment Selection
von: Cho, Young Hyun, et al.
Veröffentlicht: (2024)

Decentralized Federated Learning: A Survey on Security and Privacy
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2024)

PassREfinder-FL: Privacy-Preserving Credential Stuffing Risk Prediction via Graph-Based Federated Learning for Representing Password Reuse between Websites
von: Kim, Jaehan, et al.
Veröffentlicht: (2025)

Exploring the Privacy-Energy Consumption Tradeoff for Split Federated Learning
von: Lee, Joohyung, et al.
Veröffentlicht: (2023)

Privacy Assessment of Federated Learning using Private Personalized Layers
von: Jourdan, Théo, et al.
Veröffentlicht: (2021)

Federated Split Learning for Human Activity Recognition with Differential Privacy
von: Ndeko, Josue, et al.
Veröffentlicht: (2024)

Privacy-Preserving Data Deduplication for Enhancing Federated Learning of Language Models (Extended Version)
von: Abadi, Aydin, et al.
Veröffentlicht: (2024)

Cross-silo Federated Learning with Record-level Personalized Differential Privacy
von: Liu, Junxu, et al.
Veröffentlicht: (2024)

RL-Finetuned LLMs for Privacy-Preserving Synthetic Rewriting
von: Shi, Zhan, et al.
Veröffentlicht: (2025)

Towards Family-Grouped Hierarchical Federated Learning on Sub-5KB Models: A Feasibility Study of Privacy-Preserving ECG Monitoring for Ultra-Resource-Constrained Wearables
von: Wu, Hangyu
Veröffentlicht: (2026)

Accuracy-Privacy Trade-off in the Mitigation of Membership Inference Attack in Federated Learning
von: Ahamed, Sayyed Farid, et al.
Veröffentlicht: (2024)

KIPPS: Knowledge infusion in Privacy Preserving Synthetic Data Generation
von: Kotal, Anantaa, et al.
Veröffentlicht: (2024)

GOD model: Privacy Preserved AI School for Personal Assistant
von: PIN AI Team, et al.
Veröffentlicht: (2025)

Optimizing Privacy-Preserving Primitives to Support LLM-Scale Applications
von: Jandali, Yaman, et al.
Veröffentlicht: (2025)

Cutting Through Privacy: A Hyperplane-Based Data Reconstruction Attack in Federated Learning
von: Diana, Francesco, et al.
Veröffentlicht: (2025)

A Unified Learn-to-Distort-Data Framework for Privacy-Utility Trade-off in Trustworthy Federated Learning
von: Zhang, Xiaojin, et al.
Veröffentlicht: (2024)

ACU: Analytic Continual Unlearning for Efficient and Exact Forgetting with Privacy Preservation
von: Tang, Jianheng, et al.
Veröffentlicht: (2025)

TeleSparse: Practical Privacy-Preserving Verification of Deep Neural Networks
von: Maheri, Mohammad M, et al.
Veröffentlicht: (2025)

Feature-Aware Anisotropic Local Differential Privacy for Utility-Preserving Graph Representation Learning in Metal Additive Manufacturing
von: Islam, MD Shafikul, et al.
Veröffentlicht: (2026)

RICE: Breaking Through the Training Bottlenecks of Reinforcement Learning with Explanation
von: Cheng, Zelei, et al.
Veröffentlicht: (2024)

Data-Free Privacy-Preserving for LLMs via Model Inversion and Selective Unlearning
von: Zhou, Xinjie, et al.
Veröffentlicht: (2026)

Generating Synthetic Health Sensor Data for Privacy-Preserving Wearable Stress Detection
von: Lange, Lucas, et al.
Veröffentlicht: (2024)

Efficient Privacy-Preserving Recommendation on Sparse Data using Fully Homomorphic Encryption
von: Chowdhury, Moontaha Nishat, et al.
Veröffentlicht: (2025)