Buchumschlag

End-to-End Verifiable Decentralized Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Chaehyeon, Heiss, Jonathan, Tai, Stefan, Hong, James Won-Ki
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning 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

VerifiableFL: Verifiable Claims for Federated Learning using Exclaves
von: Guo, Jinnan, et al.
Veröffentlicht: (2024)

Byzantine-Robust Decentralized Federated Learning
von: Fang, Minghong, et al.
Veröffentlicht: (2024)

A Survey on Decentralized Federated Learning
von: Gabrielli, Edoardo, et al.
Veröffentlicht: (2023)

Communication-Efficient and Privacy-Preserving Decentralized Meta-Learning
von: Yang, Hansi, et al.
Veröffentlicht: (2024)

Decentralized Collaborative Learning Framework with External Privacy Leakage Analysis
von: Idé, Tsuyoshi, et al.
Veröffentlicht: (2024)

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

Towards Credential-based Device Registration in DApps for DePINs with ZKPs
von: Heiss, Jonathan, et al.
Veröffentlicht: (2024)

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

Personalized Federated Learning via Stacking
von: Cantu-Cervini, Emilio
Veröffentlicht: (2024)

Differentially Private Clustered Federated Learning
von: Malekmohammadi, Saber, et al.
Veröffentlicht: (2024)

Anomalous Client Detection in Federated Learning
von: Thakur, Dipanwita, et al.
Veröffentlicht: (2024)

Provably Robust Federated Reinforcement Learning
von: Fang, Minghong, et al.
Veröffentlicht: (2025)

Differentially-Private Multi-Tier Federated Learning
von: Chen, Evan, et al.
Veröffentlicht: (2024)

Toward Malicious Clients Detection in Federated Learning
von: Dou, Zhihao, et al.
Veröffentlicht: (2025)

SecureAFL: Secure Asynchronous Federated Learning
von: Gao, Anjun, et al.
Veröffentlicht: (2026)

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

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

Verifiable Homomorphic Linear Combinations in Multi-Instance Time-Lock Puzzles
von: Abadi, Aydin
Veröffentlicht: (2024)

SENTINEL: Stagewise Integrity Verification for Pipeline Parallel Decentralized Training
von: Dolatabadi, Hadi Mohaghegh, et al.
Veröffentlicht: (2026)

Muffliato: Peer-to-Peer Privacy Amplification for Decentralized Optimization and Averaging
von: Cyffers, Edwige, et al.
Veröffentlicht: (2022)

Age Aware Scheduling for Differentially-Private Federated Learning
von: Lin, Kuan-Yu, et al.
Veröffentlicht: (2024)

Foundation Models in Federated Learning: Assessing Backdoor Vulnerabilities
von: Li, Xi, et al.
Veröffentlicht: (2024)

Poisoning with A Pill: Circumventing Detection in Federated Learning
von: Guo, Hanxi, et al.
Veröffentlicht: (2024)

Differentially Private Online Federated Learning with Correlated Noise
von: Zhang, Jiaojiao, et al.
Veröffentlicht: (2024)

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

Federated Graph Learning with Adaptive Importance-based Sampling
von: Li, Anran, et al.
Veröffentlicht: (2024)

Improving LoRA in Privacy-preserving Federated Learning
von: Sun, Youbang, et al.
Veröffentlicht: (2024)

A Survey for Federated Learning Evaluations: Goals and Measures
von: Chai, Di, et al.
Veröffentlicht: (2023)

AdFL: In-Browser Federated Learning for Online Advertisement
von: Alemari, Ahmad, et al.
Veröffentlicht: (2026)

Privacy Preserving Machine Learning Model Personalization through Federated Personalized Learning
von: Hosain, Md. Tanzib, et al.
Veröffentlicht: (2025)

VerifBFL: Leveraging zk-SNARKs for A Verifiable Blockchained Federated Learning
von: Bellachia, Ahmed Ayoub, et al.
Veröffentlicht: (2025)

On the Hardness of Decentralized Multi-Agent Policy Evaluation under Byzantine Attacks
von: Hairi, et al.
Veröffentlicht: (2024)

Dropout-Robust Mechanisms for Differentially Private and Fully Decentralized Mean Estimation
von: Sabater, César, et al.
Veröffentlicht: (2025)

Noise-Aware Algorithm for Heterogeneous Differentially Private Federated Learning
von: Malekmohammadi, Saber, et al.
Veröffentlicht: (2024)

Identify Backdoored Model in Federated Learning via Individual Unlearning
von: Xu, Jiahao, et al.
Veröffentlicht: (2024)

Share Secrets for Privacy: Confidential Forecasting with Vertical Federated Learning
von: Shankar, Aditya, et al.
Veröffentlicht: (2024)

Efficient Language Model Architectures for Differentially Private Federated Learning
von: Ro, Jae Hun, et al.
Veröffentlicht: (2024)

Advances in APPFL: A Comprehensive and Extensible Federated Learning Framework
von: Li, Zilinghan, et al.
Veröffentlicht: (2024)

Deep Transfer Hashing for Adaptive Learning on Federated Streaming Data
von: Röder, Manuel, et al.
Veröffentlicht: (2024)

DROP: Poison Dilution via Knowledge Distillation for Federated Learning
von: Syros, Georgios, et al.
Veröffentlicht: (2025)