Buchumschlag

On the Byzantine-Resilience of Distillation-Based Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Roux, Christophe, Zimmer, Max, Pokutta, Sebastian
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GRANITE : a Byzantine-Resilient Dynamic Gossip Learning Framework
von: Belal, Yacine, et al.
Veröffentlicht: (2025)

Clustered Federated Learning with Hierarchical Knowledge Distillation
von: Ahmad, Sabtain, et al.
Veröffentlicht: (2025)

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

Training Heterogeneous Client Models using Knowledge Distillation in Serverless Federated Learning
von: Chadha, Mohak, et al.
Veröffentlicht: (2024)

Resilient Byzantine Agreement with Predictions
von: Dallot, Julien, et al.
Veröffentlicht: (2026)

Automated Byzantine-Resilient Clustered Decentralized Federated Learning for Battery Intelligence in Connected EVs
von: Bouchiha, Mouhamed Amine, et al.
Veröffentlicht: (2026)

Perfect Privacy for Discriminator-Based Byzantine-Resilient Federated Learning
von: Xia, Yue, et al.
Veröffentlicht: (2025)

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

Byzantines can also Learn from History: Fall of Centered Clipping in Federated Learning
von: Ozfatura, Kerem, et al.
Veröffentlicht: (2022)

Private Aggregation for Byzantine-Resilient Heterogeneous Federated Learning
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

Optimizing Federated Learning by Entropy-Based Client Selection
von: Lutz, Andreas, et al.
Veröffentlicht: (2024)

Centroid Approximation for Byzantine-Tolerant Federated Learning
von: Cambus, Mélanie, et al.
Veröffentlicht: (2025)

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

ProDiGy: Proximity- and Dissimilarity-Based Byzantine-Robust Federated Learning
von: Ergisi, Sena, et al.
Veröffentlicht: (2025)

Decentralized Federated Policy Gradient with Byzantine Fault-Tolerance and Provably Fast Convergence
von: Jordan, Philip, et al.
Veröffentlicht: (2024)

Federated Learning with Flexible Architectures
von: Park, Jong-Ik, et al.
Veröffentlicht: (2024)

Federated Multi-Objective Learning
von: Yang, Haibo, et al.
Veröffentlicht: (2023)

Brave: Byzantine-Resilient and Privacy-Preserving Peer-to-Peer Federated Learning
von: Xu, Zhangchen, et al.
Veröffentlicht: (2024)

DiReDi: Distillation and Reverse Distillation for AIoT Applications
von: Sun, Chen, et al.
Veröffentlicht: (2024)

Tackling Selfish Clients in Federated Learning
von: Augello, Andrea, et al.
Veröffentlicht: (2024)

DFML: Decentralized Federated Mutual Learning
von: Khalil, Yasser H., et al.
Veröffentlicht: (2024)

Federated Learning with Limited Node Labels
von: Tang, Bisheng, et al.
Veröffentlicht: (2024)

Influence-oriented Personalized Federated Learning
von: Tan, Yue, et al.
Veröffentlicht: (2024)

Variational Bayes for Federated Continual Learning
von: Yao, Dezhong, et al.
Veröffentlicht: (2024)

On Using Large-Batches in Federated Learning
von: Tyagi, Sahil
Veröffentlicht: (2025)

Uncertainty-Aware Explainable Federated Learning
von: Zhang, Yanci, et al.
Veröffentlicht: (2025)

Efficient Client Selection in Federated Learning
von: Marfo, William, et al.
Veröffentlicht: (2025)

Federated Learning with Workload Reduction through Partial Training of Client Models and Entropy-Based Data Selection
von: Shi, Hongrui, et al.
Veröffentlicht: (2024)

Identifying the Truth of Global Model: A Generic Solution to Defend Against Byzantine and Backdoor Attacks in Federated Learning (full version)
von: Ebron, Sheldon C., et al.
Veröffentlicht: (2023)

Federated Graph Learning with Structure Proxy Alignment
von: Fu, Xingbo, et al.
Veröffentlicht: (2024)

One-Shot Federated Learning with Bayesian Pseudocoresets
von: d'Hondt, Tim, et al.
Veröffentlicht: (2024)

Efficient Federated Learning with Timely Update Dissemination
von: Jia, Juncheng, et al.
Veröffentlicht: (2025)

Efficient Asynchronous Federated Learning with Sparsification and Quantization
von: Jia, Juncheng, et al.
Veröffentlicht: (2023)

Privacy in Federated Learning with Spiking Neural Networks
von: Aksu, Dogukan, et al.
Veröffentlicht: (2025)

Gradient Correction in Federated Learning with Adaptive Optimization
von: Chen, Evan, et al.
Veröffentlicht: (2025)

SketchGuard: Scaling Byzantine-Robust Decentralized Federated Learning via Sketch-Based Screening
von: Rangwala, Murtaza, et al.
Veröffentlicht: (2025)

Learn How to Query from Unlabeled Data Streams in Federated Learning
von: Sun, Yuchang, et al.
Veröffentlicht: (2024)

Generalization Error Analysis for Attack-Free and Byzantine-Resilient Decentralized Learning with Data Heterogeneity
von: Ye, Haoxiang, et al.
Veröffentlicht: (2025)

DSFL: A Dual-Server Byzantine-Resilient Federated Learning Framework via Group-Based Secure Aggregation
von: Herath, Charuka, et al.
Veröffentlicht: (2025)

Delayed Random Partial Gradient Averaging for Federated Learning
von: Hu, Xinyi
Veröffentlicht: (2024)