Buchumschlag

Federated Learning with Anomaly Detection via Gradient and Reconstruction Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Alsulaimawi, Zahir
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Securing Federated Learning with Control-Flow Attestation: A Novel Framework for Enhanced Integrity and Resilience against Adversarial Attacks
von: Alsulaimawi, Zahir
Veröffentlicht: (2024)

Meta-FL: A Novel Meta-Learning Framework for Optimizing Heterogeneous Model Aggregation in Federated Learning
von: Alsulaimawi, Zahir
Veröffentlicht: (2024)

One-Shot Federated Ridge Regression: Exact Recovery via Sufficient Statistic Aggregation
von: Alsulaimawi, Zahir
Veröffentlicht: (2026)

Synergizing Privacy and Utility in Data Analytics Through Advanced Information Theorization
von: Alsulaimawi, Zahir
Veröffentlicht: (2024)

Enhancing Security in Federated Learning through Adaptive Consensus-Based Model Update Validation
von: Alsulaimawi, Zahir
Veröffentlicht: (2024)

Distributed Deep Variational Approach for Privacy-preserving Data Release
von: Alsulaimawi, Zahir, et al.
Veröffentlicht: (2026)

Runtime Backdoor Detection for Federated Learning via Representational Dissimilarity Analysis
von: Zhang, Xiyue, et al.
Veröffentlicht: (2025)

A Novel Buffered Federated Learning Framework for Privacy-Driven Anomaly Detection in IIoT
von: Poorazad, Samira Kamali, et al.
Veröffentlicht: (2024)

Towards Quantum-Safe Federated Learning via Homomorphic Encryption: Learning with Gradients
von: Yan, Guangfeng, et al.
Veröffentlicht: (2024)

DECIFR: Domain-Aware Exfiltration of Circuit Information from Federated Gradient Reconstruction
von: Lee, Gijung, et al.
Veröffentlicht: (2026)

Verifiably Forgotten? Gradient Differences Still Enable Data Reconstruction in Federated Unlearning
von: Zhang, Fuyao, et al.
Veröffentlicht: (2025)

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

EdgeDetect: Importance-Aware Gradient Compression with Homomorphic Aggregation for Federated Intrusion Detection
von: Mohammad, Noor Islam S.
Veröffentlicht: (2026)

CITADEL: Continual Anomaly Detection for Enhanced Learning in IoT Intrusion Detection
von: Li, Elvin, et al.
Veröffentlicht: (2025)

Enhancing Privacy of Spatiotemporal Federated Learning against Gradient Inversion Attacks
von: Zheng, Lele, et al.
Veröffentlicht: (2024)

MAUI: Reconstructing Private Client Data in Federated Transfer Learning
von: Dabholkar, Ahaan, et al.
Veröffentlicht: (2025)

$π$QLB: A Privacy-preserving with Integrity-assuring Query Language for Blockchain
von: Sohrabi, Nasrin, et al.
Veröffentlicht: (2022)

Towards Securing IIoT: An Innovative Privacy-Preserving Anomaly Detector Based on Federated Learning
von: Poorazad, Samira Kamali, et al.
Veröffentlicht: (2026)

Multimedia Traffic Anomaly Detection
von: Feng, Tongtong, et al.
Veröffentlicht: (2024)

Semi-Supervised Learning for Anomaly Detection in Blockchain-based Supply Chains
von: Son, Do Hai, et al.
Veröffentlicht: (2024)

Enhanced Anomaly Detection in Industrial Control Systems aided by Machine Learning
von: Berge, Vegard, et al.
Veröffentlicht: (2024)

Attack-Specialized Deep Learning with Ensemble Fusion for Network Anomaly Detection
von: Dissanayake, Nisith, et al.
Veröffentlicht: (2025)

Deep Learning-based Anomaly Detection and Log Analysis for Computer Networks
von: Wang, Shuzhan, et al.
Veröffentlicht: (2024)

Per-element Secure Aggregation against Data Reconstruction Attacks in Federated Learning
von: Suimon, Takumi, et al.
Veröffentlicht: (2025)

SoK: On Gradient Leakage in Federated Learning
von: Du, Jiacheng, et al.
Veröffentlicht: (2024)

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

Anomaly Detection in Industrial Control Systems Based on Cross-Domain Representation Learning
von: Zhan, Dongyang, et al.
Veröffentlicht: (2025)

Interpretable Anomaly Detection in Encrypted Traffic Using SHAP with Machine Learning Models
von: Singh, Kalindi, et al.
Veröffentlicht: (2025)

LADSG: Label-Anonymized Distillation and Similar Gradient Substitution for Label Privacy in Vertical Federated Learning
von: Yan, Zeyu, et al.
Veröffentlicht: (2025)

Detecting Anomalies in Blockchain Transactions using Machine Learning Classifiers and Explainability Analysis
von: Hasan, Mohammad, et al.
Veröffentlicht: (2024)

TraceAegis: Securing LLM-Based Agents via Hierarchical and Behavioral Anomaly Detection
von: Liu, Jiahao, et al.
Veröffentlicht: (2025)

Kick Bad Guys Out! Conditionally Activated Anomaly Detection in Federated Learning with Zero-Knowledge Proof Verification
von: Han, Shanshan, et al.
Veröffentlicht: (2023)

Machine Learning with Real-time and Small Footprint Anomaly Detection System for In-Vehicle Gateway
von: Wang, Yi, et al.
Veröffentlicht: (2024)

AI-Driven Dynamic Firewall Optimization Using Reinforcement Learning for Anomaly Detection and Prevention
von: Ahmad, Taimoor
Veröffentlicht: (2025)

Perfect Gradient Inversion in Federated Learning: A New Paradigm from the Hidden Subset Sum Problem
von: Li, Qiongxiu, et al.
Veröffentlicht: (2024)

Password Strength Detection via Machine Learning: Analysis, Modeling, and Evaluation
von: Mo, Jiazhi, et al.
Veröffentlicht: (2025)

Building Gradient Bridges: Label Leakage from Restricted Gradient Sharing in Federated Learning
von: Zhang, Rui, et al.
Veröffentlicht: (2024)

Enabling Privacy-Preserving Cyber Threat Detection with Federated Learning
von: Bi, Yu, et al.
Veröffentlicht: (2024)

Securing IoT Communications via Anomaly Traffic Detection: Synergy of Genetic Algorithm and Ensemble Method
von: Seyedi, Behnam, et al.
Veröffentlicht: (2025)

Federated Intrusion Detection System Based on Unsupervised Machine Learning
von: Gourceyraud, Maxime, et al.
Veröffentlicht: (2025)