Buchumschlag

Marking the Pace: A Blockchain-Enhanced Privacy-Traceable Strategy for Federated Recommender Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cai, Zhen, Tang, Tao, Yu, Shuo, Xiao, Yunpeng, Xia, Feng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Traceable Drug Recommendation over Medical Knowledge Graphs
von: Lin, Yu, et al.
Veröffentlicht: (2025)

Privacy-Preserving in Blockchain-based Federated Learning Systems
von: M., Sameera K., et al.
Veröffentlicht: (2024)

Enhancing Clustered Federated Learning: Integration of Strategies and Improved Methodologies
von: Guo, Yongxin, et al.
Veröffentlicht: (2023)

Co-clustering for Federated Recommender System
von: He, Xinrui, et al.
Veröffentlicht: (2024)

Proof of Reasoning for Privacy Enhanced Federated Blockchain Learning at the Edge
von: Calo, James, et al.
Veröffentlicht: (2026)

Privacy-Preserving Orthogonal Aggregation for Guaranteeing Gender Fairness in Federated Recommendation
von: Zhang, Siqing, et al.
Veröffentlicht: (2024)

Graph Federated Learning for Personalized Privacy Recommendation
von: Na, Ce, et al.
Veröffentlicht: (2025)

FedTracker: Furnishing Ownership Verification and Traceability for Federated Learning Model
von: Shao, Shuo, et al.
Veröffentlicht: (2022)

A Privacy Preserving System for Movie Recommendations Using Federated Learning
von: Neumann, David, et al.
Veröffentlicht: (2023)

Traceable Black-box Watermarks for Federated Learning
von: Xu, Jiahao, et al.
Veröffentlicht: (2025)

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

Blockchain-Enabled Privacy-Preserving Second-Order Federated Edge Learning in Personalized Healthcare
von: Nawaz, Anum, et al.
Veröffentlicht: (2025)

Traceable Latent Variable Discovery Based on Multi-Agent Collaboration
von: Du, Huaming, et al.
Veröffentlicht: (2026)

BRFL: A Blockchain-based Byzantine-Robust Federated Learning Model
von: Li, Yang, et al.
Veröffentlicht: (2023)

Optimal Strategies for Federated Learning Maintaining Client Privacy
von: Bhaskar, Uday, et al.
Veröffentlicht: (2025)

Privacy-Utility-Bias Trade-offs for Privacy-Preserving Recommender Systems
von: Parsarad, Shiva, et al.
Veröffentlicht: (2025)

A Survey of Personalized Federated Foundation Models for Privacy-Preserving Recommendation
von: Li, Zhiwei, et al.
Veröffentlicht: (2025)

FBChain: A Blockchain-based Federated Learning Model with Efficiency and Secure Communication
von: Li, Yang, et al.
Veröffentlicht: (2023)

Rethinking the initialization of Momentum in Federated Learning with Heterogeneous Data
von: Xiao, Chenguang, et al.
Veröffentlicht: (2024)

Federated Learning Inspired Fuzzy Systems: Decentralized Rule Updating for Privacy and Scalable Decision Making
von: Lim, Arthur Alexander, et al.
Veröffentlicht: (2025)

Blockchain-empowered Federated Learning: Benefits, Challenges, and Solutions
von: Cai, Zeju, et al.
Veröffentlicht: (2024)

UFGraphFR: Graph Federation Recommendation System based on User Text description features
von: Wang, Xudong, et al.
Veröffentlicht: (2025)

opp/ai: Optimistic Privacy-Preserving AI on Blockchain
von: So, Cathie, et al.
Veröffentlicht: (2024)

Does Training with Synthetic Data Truly Protect Privacy?
von: Zhao, Yunpeng, et al.
Veröffentlicht: (2025)

Dual Model Replacement:invisible Multi-target Backdoor Attack based on Federal Learning
von: Wang, Rong, et al.
Veröffentlicht: (2024)

Enhancing Federated Learning Privacy with QUBO
von: Ferenczi, Andras, et al.
Veröffentlicht: (2025)

Learning in Order! A Sequential Strategy to Learn Invariant Features for Multimodal Sentiment Analysis
von: Zhao, Xianbing, et al.
Veröffentlicht: (2024)

Federated Latent Factor Learning for Recovering Wireless Sensor Networks Signal with Privacy-Preserving
von: Yu, Chengjun, et al.
Veröffentlicht: (2025)

ERIS: Enhancing Privacy and Scalability in Federated Learning via Federated Shard Aggregation
von: Fenoglio, Dario, et al.
Veröffentlicht: (2026)

Privacy-Preserving Multimodal News Recommendation through Federated Learning
von: Khalaj, Mehdi, et al.
Veröffentlicht: (2025)

Federated Latent Factor Model for Bias-Aware Recommendation with Privacy-Preserving
von: Gao, Junxiang, et al.
Veröffentlicht: (2025)

Sharpness-Aware Minimization for Generalized Embedding Learning in Federated Recommendation
von: Yu, Fengyuan, et al.
Veröffentlicht: (2026)

A New Perspective on Privacy Protection in Federated Learning with Granular-Ball Computing
von: Lai, Guannan, et al.
Veröffentlicht: (2025)

FedBChain: A Blockchain-enabled Federated Learning Framework for Improving DeepConvLSTM with Comparative Strategy Insights
von: Li, Gaoxuan, et al.
Veröffentlicht: (2024)

Federated Transfer Learning with Differential Privacy
von: Li, Mengchu, et al.
Veröffentlicht: (2024)

Privacy-Preserving Personalization in Education: A Federated Recommender System for Student Performance Prediction
von: Tertulino, Rodrigo, et al.
Veröffentlicht: (2025)

Graph Federated Unlearning for Privacy Preservation
von: Ma, Ruotong, et al.
Veröffentlicht: (2026)

Federated Learning of Quantile Inference under Local Differential Privacy
von: Cai, Leheng, et al.
Veröffentlicht: (2025)

A Trustworthy AIoT-enabled Localization System via Federated Learning and Blockchain
von: Wang, Junfei, et al.
Veröffentlicht: (2024)

Federated Hypergraph Learning with Local Differential Privacy: Toward Privacy-Aware Hypergraph Structure Completion
von: Luo, Linfeng, et al.
Veröffentlicht: (2024)