Buchumschlag

Trustworthy Distributed AI Systems: Robustness, Privacy, and Governance

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wei, Wenqi, Liu, Ling
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Cryptography and Security Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Federated Cyber Defense: Privacy-Preserving Ransomware Detection Across Distributed Systems
von: Jimenez-Gutierrez, Daniel M., et al.
Veröffentlicht: (2025)

Trustworthy Federated Learning: Privacy, Security, and Beyond
von: Chen, Chunlu, et al.
Veröffentlicht: (2024)

Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning
von: Liu, Ji, et al.
Veröffentlicht: (2024)

Federated Learning with Blockchain-Enhanced Machine Unlearning: A Trustworthy Approach
von: Zuo, Xuhan, et al.
Veröffentlicht: (2024)

MPU: Towards Secure and Privacy-Preserving Knowledge Unlearning for Large Language Models
von: Wang, Tiantong, et al.
Veröffentlicht: (2026)

On the Tradeoff between Privacy Preservation and Byzantine-Robustness in Decentralized Learning
von: Ye, Haoxiang, et al.
Veröffentlicht: (2023)

Noiseless Privacy-Preserving Decentralized Learning
von: Biswas, Sayan, et al.
Veröffentlicht: (2024)

Federated Heterogeneous Graph Neural Network for Privacy-preserving Recommendation
von: Yan, Bo, et al.
Veröffentlicht: (2023)

IslandRun: Privacy-Aware Multi-Objective Orchestration for Distributed AI Inference
von: Malepati, Bala Siva Sai Akhil
Veröffentlicht: (2025)

Low-Latency Privacy-Preserving Deep Learning Design via Secure MPC
von: Lin, Ke, et al.
Veröffentlicht: (2024)

Optimizing Privacy-Utility Trade-off in Decentralized Learning with Generalized Correlated Noise
von: Rodio, Angelo, et al.
Veröffentlicht: (2025)

Federated Survival Analysis with Node-Level Differential Privacy: Private Kaplan-Meier Curves
von: Veeraragavan, Narasimha Raghavan, et al.
Veröffentlicht: (2025)

UMEDA: Unified Multi-modal Efficient Data Fusion for Privacy-Preserving Graph Federated Learning via Spectral-Gated Attention and Diffusion-Based Operator Alignment
von: Lai, Shih-Yu, et al.
Veröffentlicht: (2026)

D2M: A Decentralized, Privacy-Preserving, Incentive-Compatible Data Marketplace for Collaborative Learning
von: Srivastava, Yash, et al.
Veröffentlicht: (2025)

Sherpa.ai Privacy-Preserving Multi-Party Entity Alignment without Intersection Disclosure for Noisy Identifiers
von: Jimenez-Gutierrez, Daniel M., et al.
Veröffentlicht: (2026)

Private Knowledge Sharing in Distributed Learning: A Survey
von: Supeksala, Yasas, et al.
Veröffentlicht: (2024)

Towards Fair, Robust and Efficient Client Contribution Evaluation in Federated Learning
von: Zhang, Meiying, et al.
Veröffentlicht: (2024)

FLGuard: Byzantine-Robust Federated Learning via Ensemble of Contrastive Models
von: Lee, Younghan, et al.
Veröffentlicht: (2024)

No Vandalism: Privacy-Preserving and Byzantine-Robust Federated Learning
von: Xing, Zhibo, et al.
Veröffentlicht: (2024)

Rethinking Byzantine Robustness in Federated Recommendation from Sparse Aggregation Perspective
von: Zhang, Zhongjian, et al.
Veröffentlicht: (2025)

JSTprove: Pioneering Verifiable AI for a Trustless Future
von: Gold, Jonathan, et al.
Veröffentlicht: (2025)

Binary Linear Tree Commitment-based Ownership Protection for Distributed Machine Learning
von: Xie, Tianxiu, et al.
Veröffentlicht: (2024)

AIArena: A Blockchain-Based Decentralized AI Training Platform
von: Wang, Zhipeng, et al.
Veröffentlicht: (2024)

Balancing Privacy, Robustness, and Efficiency in Machine Learning
von: Allouah, Youssef, et al.
Veröffentlicht: (2023)

Automating Cloud Security and Forensics Through a Secure-by-Design Generative AI Framework
von: Alharthi, Dalal, et al.
Veröffentlicht: (2026)

Exploring AI-Enabled Cybersecurity Frameworks: Deep-Learning Techniques, GPU Support, and Future Enhancements
von: Becher, Tobias, et al.
Veröffentlicht: (2024)

Generative AI like ChatGPT in Blockchain Federated Learning: use cases, opportunities and future
von: Puppala, Sai, et al.
Veröffentlicht: (2024)

FEDSTR: Money-In AI-Out | A Decentralized Marketplace for Federated Learning and LLM Training on the NOSTR Protocol
von: Nikolakakis, Konstantinos E., et al.
Veröffentlicht: (2024)

Towards Trustworthy Federated Learning
von: Basharat, Alina, et al.
Veröffentlicht: (2025)

Federated Learning for Cyber Physical Systems: A Comprehensive Survey
von: Quan, Minh K., et al.
Veröffentlicht: (2025)

StatAvg: Mitigating Data Heterogeneity in Federated Learning for Intrusion Detection Systems
von: Bouzinis, Pavlos S., et al.
Veröffentlicht: (2024)

FedBGS: A Blockchain Approach to Segment Gossip Learning in Decentralized Systems
von: Turazza, Fabio, et al.
Veröffentlicht: (2026)

Pathway to Secure and Trustworthy ZSM for LLMs: Attacks, Defense, and Opportunities
von: Khowaja, Sunder Ali, et al.
Veröffentlicht: (2024)

Blockchain-Empowered Trustworthy Data Sharing: Fundamentals, Applications, and Challenges
von: Nguyen, Linh T., et al.
Veröffentlicht: (2023)

Towards Trustworthy Federated Learning with Untrusted Participants
von: Allouah, Youssef, et al.
Veröffentlicht: (2025)

FedTrident: Resilient Road Condition Classification Against Poisoning Attacks in Federated Learning
von: Liu, Sheng, et al.
Veröffentlicht: (2026)

BAFFLE: A Baseline of Backpropagation-Free Federated Learning
von: Feng, Haozhe, et al.
Veröffentlicht: (2023)

Federated PCA on Grassmann Manifold for IoT Anomaly Detection
von: Nguyen, Tung-Anh, et al.
Veröffentlicht: (2024)

Federated Graph Condensation with Information Bottleneck Principles
von: Yan, Bo, et al.
Veröffentlicht: (2024)

Communication-Efficient and Differentially Private Vertical Federated Learning with Zeroth-Order Optimization
von: Zhang, Jianing, et al.
Veröffentlicht: (2025)