Buchumschlag

Support Vector Based Anomaly Detection in Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Frasson, Massimo, Malchiodi, Dario
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

Quantization-Aware Regularizers for Deep Neural Networks Compression
von: Malchiodi, Dario, et al.
Veröffentlicht: (2026)

DASVDD: Deep Autoencoding Support Vector Data Descriptor for Anomaly Detection
von: Hojjati, Hadi, et al.
Veröffentlicht: (2021)

Fusing Dictionary Learning and Support Vector Machines for Unsupervised Anomaly Detection
von: Irofti, Paul, et al.
Veröffentlicht: (2024)

Quantum Support Vector Regression for Robust Anomaly Detection
von: Tscharke, Kilian, et al.
Veröffentlicht: (2025)

Semisupervised Anomaly Detection using Support Vector Regression with Quantum Kernel
von: Tscharke, Kilian, et al.
Veröffentlicht: (2023)

Federated Learning for Anomaly Detection in Maritime Movement Data
von: Graser, Anita, et al.
Veröffentlicht: (2025)

Quantum-Hybrid Support Vector Machines for Anomaly Detection in Industrial Control Systems
von: Cultice, Tyler, et al.
Veröffentlicht: (2025)

Behavioral Anomaly Detection in Distributed Systems via Federated Contrastive Learning
von: Meng, Renzi, et al.
Veröffentlicht: (2025)

Federated Learning for Multivariate Time Series Anomaly Detection in Industrial Automation
von: Nosrati, Khayyam, et al.
Veröffentlicht: (2026)

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

Multi-Task Learning Based on Support Vector Machines and Twin Support Vector Machines: A Comprehensive Survey
von: Bazikar, Fatemeh, et al.
Veröffentlicht: (2025)

Anomaly Detection for Real-World Cyber-Physical Security using Quantum Hybrid Support Vector Machines
von: Cultice, Tyler, et al.
Veröffentlicht: (2024)

Enhanced Federated Anomaly Detection Through Autoencoders Using Summary Statistics-Based Thresholding
von: Laridi, Sofiane, et al.
Veröffentlicht: (2024)

Practical Dataset Distillation Based on Deep Support Vectors
von: Lee, Hyunho, et al.
Veröffentlicht: (2024)

Anomaly Detection in Electric Vehicle Charging Stations Using Federated Learning
von: C, Bishal K, et al.
Veröffentlicht: (2025)

Audio-based Anomaly Detection in Industrial Machines Using Deep One-Class Support Vector Data Description
von: Kilickaya, Sertac, et al.
Veröffentlicht: (2024)

Efficient Quantum One-Class Support Vector Machines for Anomaly Detection Using Randomized Measurements and Variable Subsampling
von: Kölle, Michael, et al.
Veröffentlicht: (2024)

Engineering Attack Vectors and Detecting Anomalies in Additive Manufacturing
von: Hasan, Md Mahbub, et al.
Veröffentlicht: (2026)

Support Vector Data Description for Radar Target Detection
von: Pinsolle, Jean, et al.
Veröffentlicht: (2026)

Federated Learning with Reservoir State Analysis for Time Series Anomaly Detection
von: Nogami, Keigo, et al.
Veröffentlicht: (2025)

An Efficient Unsupervised Federated Learning Approach for Anomaly Detection in Heterogeneous IoT Networks
von: Tajgardan, Mohsen, et al.
Veröffentlicht: (2026)

Towards Personalized Quantum Federated Learning for Anomaly Detection
von: Rahman, Ratun, et al.
Veröffentlicht: (2025)

Anomaly Detection in Double-entry Bookkeeping Data by Federated Learning System with Non-model Sharing Approach
von: Mashiko, Sota, et al.
Veröffentlicht: (2025)

Contrastive Learning-Based Dependency Modeling for Anomaly Detection in Cloud Services
von: Xing, Yue, et al.
Veröffentlicht: (2025)

Federated Anomaly Detection for Multi-Tenant Cloud Platforms with Personalized Modeling
von: Wang, Yuxi, et al.
Veröffentlicht: (2025)

Efficient Personalized Federated PCA with Manifold Optimization for IoT Anomaly Detection
von: Xiu, Xianchao, et al.
Veröffentlicht: (2026)

Enhanced Feature Based Granular Ball Twin Support Vector Machine
von: Quadir, A., et al.
Veröffentlicht: (2024)

Federated Learning for Efficient Condition Monitoring and Anomaly Detection in Industrial Cyber-Physical Systems
von: Marfo, William, et al.
Veröffentlicht: (2025)

Adaptive Client Selection in Federated Learning: A Network Anomaly Detection Use Case
von: Marfo, William, et al.
Veröffentlicht: (2025)

Deep Support Vectors
von: Lee, Junhoo, et al.
Veröffentlicht: (2024)

Federated Structured Sparse PCA for Anomaly Detection in IoT Networks
von: Huang, Chenyi, et al.
Veröffentlicht: (2025)

Modeling Wavelet Transformed Quantum Support Vector for Network Intrusion Detection
von: Kumari, Swati, et al.
Veröffentlicht: (2025)

Quantum Hybrid Support Vector Machines for Stress Detection in Older Adults
von: Onim, Md Saif Hassan, et al.
Veröffentlicht: (2025)

Federated Quantum Kernel Learning for Anomaly Detection in Multivariate IoT Time-Series
von: Chen, Kuan-Cheng, et al.
Veröffentlicht: (2025)

Learning Feature Encoder with Synthetic Anomalies for Weakly Supervised Graph Anomaly Detection
von: Zhou, Yingjie, et al.
Veröffentlicht: (2026)

Contextual Learning for Anomaly Detection in Tabular Data
von: King, Spencer, et al.
Veröffentlicht: (2025)

FedCIGAR: A Personalized Reconstruction Approach for Federated Graph-level Anomaly Detection
von: Zhao, Yunfeng, et al.
Veröffentlicht: (2026)

Sparse Learning and Class Probability Estimation with Weighted Support Vector Machines
von: Zeng, Liyun, et al.
Veröffentlicht: (2023)

Granular Ball Twin Support Vector Machine
von: Quadir, A., et al.
Veröffentlicht: (2024)

Local Duality for Sparse Support Vector Machines
von: Zhang, Penghe, et al.
Veröffentlicht: (2026)