Buchumschlag

FGAD: Self-boosted Knowledge Distillation for An Effective Federated Graph Anomaly Detection Framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cai, Jinyu, Zhang, Yunhe, Lu, Zhoumin, Guo, Wenzhong, Ng, See-kiong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SAFE: Self-Supervised Anomaly Detection Framework for Intrusion Detection
von: Li, Elvin, et al.
Veröffentlicht: (2025)

GRASP -- Graph-Based Anomaly Detection Through Self-Supervised Classification
von: Buchta, Robin, et al.
Veröffentlicht: (2026)

UNIDEAL: Curriculum Knowledge Distillation Federated Learning
von: Yang, Yuwen, et al.
Veröffentlicht: (2023)

Using Anomaly Detection to Detect Poisoning Attacks in Federated Learning Applications
von: Raza, Ali, et al.
Veröffentlicht: (2022)

HYDRA-FL: Hybrid Knowledge Distillation for Robust and Accurate Federated Learning
von: Khan, Momin Ahmad, et al.
Veröffentlicht: (2024)

KnowGraph: Knowledge-Enabled Anomaly Detection via Logical Reasoning on Graph Data
von: Zhou, Andy, et al.
Veröffentlicht: (2024)

Graph Attention Networks with Physical Constraints for Anomaly Detection
von: Homaei, Mohammadhossein, et al.
Veröffentlicht: (2026)

Anomaly Detection in Graph Structured Data: A Survey
von: Lamichhane, Prabin B, et al.
Veröffentlicht: (2024)

GraphDART: Graph Distillation for Efficient Advanced Persistent Threat Detection
von: Rabooki, Saba Fathi, et al.
Veröffentlicht: (2025)

A Novel GPT-Based Framework for Anomaly Detection in System Logs
von: Zhang, Zeng, et al.
Veröffentlicht: (2025)

Federated Anomaly Detection and Mitigation for EV Charging Forecasting Under Cyberattacks
von: Babayomi, Oluleke, et al.
Veröffentlicht: (2025)

Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning
von: Shen, Jiyuan, et al.
Veröffentlicht: (2024)

A Survey of Heterogeneous Graph Neural Networks for Cybersecurity Anomaly Detection
von: Jiang, Laura, et al.
Veröffentlicht: (2025)

IstGPT: LLM-based Anomaly Detection for Spatial-Temporal Graph in Industrial Systems
von: Zhang, Yuchen, et al.
Veröffentlicht: (2026)

SCADE: Scalable Framework for Anomaly Detection in High-Performance System
von: Vinay, Vaishali, et al.
Veröffentlicht: (2024)

FedSSP: Federated Graph Learning with Spectral Knowledge and Personalized Preference
von: Tan, Zihan, et al.
Veröffentlicht: (2024)

Federated Learning for Cross-Domain Data Privacy: A Distributed Approach to Secure Collaboration
von: Zhang, Yiwei, et al.
Veröffentlicht: (2025)

DistilLock: Safeguarding LLMs from Unauthorized Knowledge Distillation on the Edge
von: Mohanty, Asmita, et al.
Veröffentlicht: (2025)

FedSiKD: Clients Similarity and Knowledge Distillation: Addressing Non-i.i.d. and Constraints in Federated Learning
von: Alsenani, Yousef, et al.
Veröffentlicht: (2024)

Anomaly-Flow: A Multi-domain Federated Generative Adversarial Network for Distributed Denial-of-Service Detection
von: de Melo, Leonardo Henrique, et al.
Veröffentlicht: (2025)

Improving Network Threat Detection by Knowledge Graph, Large Language Model, and Imbalanced Learning
von: Zhang, Lili, et al.
Veröffentlicht: (2025)

Knowledge Migration Framework for Smart Contract Vulnerability Detection
von: Wang, Luqi, et al.
Veröffentlicht: (2024)

Global Context Enhanced Anomaly Detection of Cyber Attacks via Decoupled Graph Neural Networks
von: Hafez, Ahmad
Veröffentlicht: (2024)

Causal Graph Profiling via Structural Divergence for Robust Anomaly Detection in Cyber-Physical Systems
von: Malarkkan, Arun Vignesh, et al.
Veröffentlicht: (2025)

Bridging Unsupervised and Semi-Supervised Anomaly Detection: A Theoretically-Grounded and Practical Framework with Synthetic Anomalies
von: Lau, Matthew, et al.
Veröffentlicht: (2025)

Double-Adversarial Activation Anomaly Detection: Adversarial Autoencoders are Anomaly Generators
von: Schulze, J. -P., et al.
Veröffentlicht: (2021)

Self-Supervised Learning of Graph Representations for Network Intrusion Detection
von: Guerra, Lorenzo, et al.
Veröffentlicht: (2025)

Confidence Elicitation: A New Attack Vector for Large Language Models
von: Formento, Brian, et al.
Veröffentlicht: (2025)

Moss: Proxy Model-based Full-Weight Aggregation in Federated Learning with Heterogeneous Models
von: Cai, Yifeng, et al.
Veröffentlicht: (2025)

Anomaly Detection in Certificate Transparency Logs
von: Ostertág, Richard, et al.
Veröffentlicht: (2024)

State Frequency Estimation for Anomaly Detection
von: Cao, Clinton, et al.
Veröffentlicht: (2024)

ADVENT: Attack/Anomaly Detection in VANETs
von: Baharlouei, Hamideh, et al.
Veröffentlicht: (2024)

A New Federated Learning Framework Against Gradient Inversion Attacks
von: Guo, Pengxin, et al.
Veröffentlicht: (2024)

CEGA: A Cost-Effective Approach for Graph-Based Model Extraction and Acquisition
von: Wang, Zebin, et al.
Veröffentlicht: (2025)

Effective and Efficient Cross-City Traffic Knowledge Transfer: A Privacy-Preserving Perspective
von: Zeng, Zhihao, et al.
Veröffentlicht: (2025)

Applying Self-supervised Learning to Network Intrusion Detection for Network Flows with Graph Neural Network
von: Xu, Renjie, et al.
Veröffentlicht: (2024)

usfAD Based Effective Unknown Attack Detection Focused IDS Framework
von: Uddin, Md. Ashraf, et al.
Veröffentlicht: (2024)

On Membership Inference Attacks in Knowledge Distillation
von: Cui, Ziyao, et al.
Veröffentlicht: (2025)

Integrating Graph Neural Networks with Scattering Transform for Anomaly Detection
von: Zoubir, Abdeljalil, et al.
Veröffentlicht: (2024)

Federated Learning on Non-iid Data via Local and Global Distillation
von: Zheng, Xiaolin, et al.
Veröffentlicht: (2023)