Buchumschlag

Threats and Defenses in Federated Learning Life Cycle: A Comprehensive Survey and Challenges

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Yanli, Guo, Zhongliang, Yang, Nan, Chen, Huaming, Yuan, Dong, Ding, Weiping
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Distributed, Parallel, and Cluster Computing Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Communication-Efficient Large-Scale Distributed Deep Learning: A Comprehensive Survey
von: Liang, Feng, et al.
Veröffentlicht: (2024)

Towards Verifiable Federated Unlearning: Framework, Challenges, and The Road Ahead
von: Nguyen, Thanh Linh, et al.
Veröffentlicht: (2025)

Holistic Evaluation Metrics: Use Case Sensitive Evaluation Metrics for Federated Learning
von: Li, Yanli, et al.
Veröffentlicht: (2024)

On the Security and Privacy of Federated Learning: A Survey with Attacks, Defenses, Frameworks, Applications, and Future Directions
von: Jimenez-Gutierrez, Daniel M., et al.
Veröffentlicht: (2025)

A Survey on Federated Unlearning: Challenges and Opportunities
von: Jeong, Hyejun, et al.
Veröffentlicht: (2024)

A Comprehensive Survey of Federated Transfer Learning: Challenges, Methods and Applications
von: Guo, Wei, et al.
Veröffentlicht: (2024)

GANcrop: A Contrastive Defense Against Backdoor Attacks in Federated Learning
von: Gan, Xiaoyun, et al.
Veröffentlicht: (2024)

HtFLlib: A Comprehensive Heterogeneous Federated Learning Library and Benchmark
von: Zhang, Jianqing, et al.
Veröffentlicht: (2025)

Boosting Multimodal Federated Learning via Chained Modality Optimization
von: Zhang, Zixin, et al.
Veröffentlicht: (2026)

SelectiveShield: Lightweight Hybrid Defense Against Gradient Leakage in Federated Learning
von: Li, Borui, et al.
Veröffentlicht: (2025)

FedPAW: Federated Learning with Personalized Aggregation Weights for Urban Vehicle Speed Prediction
von: He, Yuepeng, et al.
Veröffentlicht: (2024)

FedRAV: Hierarchically Federated Region-Learning for Traffic Object Classification of Autonomous Vehicles
von: Zhai, Yijun, et al.
Veröffentlicht: (2024)

Towards Carbon-Aware Container Orchestration: Predicting Workload Energy Consumption with Federated Learning
von: Saad, Zainab, et al.
Veröffentlicht: (2025)

Resource Allocation and Workload Scheduling for Large-Scale Distributed Deep Learning: A Survey
von: Liang, Feng, et al.
Veröffentlicht: (2024)

When Foundation Model Meets Federated Learning: Motivations, Challenges, and Future Directions
von: Zhuang, Weiming, et al.
Veröffentlicht: (2023)

FedAT: Federated Adversarial Training for Distributed Insider Threat Detection
von: Gayathri, R G, et al.
Veröffentlicht: (2024)

An Upload-Efficient Scheme for Transferring Knowledge From a Server-Side Pre-trained Generator to Clients in Heterogeneous Federated Learning
von: Zhang, Jianqing, et al.
Veröffentlicht: (2024)

Federated Multi-Objective Learning
von: Yang, Haibo, et al.
Veröffentlicht: (2023)

A Survey on Large Language Model Acceleration based on KV Cache Management
von: Li, Haoyang, et al.
Veröffentlicht: (2024)

Federated Learning for Cyber Physical Systems: A Comprehensive Survey
von: Quan, Minh K., et al.
Veröffentlicht: (2025)

Collaborative Split Federated Learning with Parallel Training and Aggregation
von: Papageorgiou, Yiannis, et al.
Veröffentlicht: (2025)

Sentinel: An Aggregation Function to Secure Decentralized Federated Learning
von: Feng, Chao, et al.
Veröffentlicht: (2023)

Communication-Efficient Personalized Federal Graph Learning via Low-Rank Decomposition
von: Liu, Ruyue, et al.
Veröffentlicht: (2024)

UnifyFL: Enabling Decentralized Cross-Silo Federated Learning
von: S, Sarang, et al.
Veröffentlicht: (2025)

Analyzing the Impact of Participant Failures in Cross-Silo Federated Learning
von: Stricker, Fabian, et al.
Veröffentlicht: (2025)

Robust Synchronisation for Federated Learning in The Face of Correlated Device Failure
von: Behfar, Stefan, et al.
Veröffentlicht: (2026)

DuoServe-MoE: Dual-Phase Expert Prefetch and Caching for LLM Inference QoS Assurance
von: Zhang, Yuning, et al.
Veröffentlicht: (2025)

PeerFL: A Simulator for Peer-to-Peer Federated Learning at Scale
von: Luqman, Alka, et al.
Veröffentlicht: (2024)

A Secure and Trustworthy Network Architecture for Federated Learning Healthcare Applications
von: Boiano, Antonio, et al.
Veröffentlicht: (2024)

Vaccinating Federated Learning for Robust Modulation Classification in Distributed Wireless Networks
von: Lee, Hunmin, et al.
Veröffentlicht: (2024)

Verify Distributed Deep Learning Model Implementation Refinement with Iterative Relation Inference
von: Wang, Zhanghan, et al.
Veröffentlicht: (2025)

Survey of HPC in US Research Institutions
von: Shu, Peng, et al.
Veröffentlicht: (2025)

FedFT: Improving Communication Performance for Federated Learning with Frequency Space Transformation
von: Palihawadana, Chamath, et al.
Veröffentlicht: (2024)

Revealing the influence of participant failures on model quality in cross-silo Federated Learning
von: Stricker, Fabian, et al.
Veröffentlicht: (2026)

FedDCT: A Dynamic Cross-Tier Federated Learning Framework in Wireless Networks
von: Xian, Youquan, et al.
Veröffentlicht: (2023)

Privacy-Preserving Federated Learning: Integrating Zero-Knowledge Proofs in Scalable Distributed Architectures
von: Gupta, Divya
Veröffentlicht: (2026)

Benchmarking Federated Learning in Edge Computing Environments: A Systematic Review and Performance Evaluation
von: Aribe Jr., Sales, et al.
Veröffentlicht: (2026)

Towards One-shot Federated Learning: Advances, Challenges, and Future Directions
von: Amato, Flora, 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)

Gradient Correction in Federated Learning with Adaptive Optimization
von: Chen, Evan, et al.
Veröffentlicht: (2025)