Buchumschlag

Provable Privacy Advantages of Decentralized Federated Learning via Distributed Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Wenrui, Li, Qiongxiu, Lopuhaä-Zwakenberg, Milan, Christensen, Mads Græsbøll, Heusdens, Richard
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Byzantine-Resilient Federated Learning via Distributed Optimization
von: Xia, Yufei, et al.
Veröffentlicht: (2025)

Privacy-Preserving Distributed Maximum Consensus Without Accuracy Loss
von: Yu, Wenrui, et al.
Veröffentlicht: (2024)

Adaptive Differentially Quantized Subspace Perturbation (ADQSP): A Unified Framework for Privacy-Preserving Distributed Average Consensus
von: Li, Qiongxiu, et al.
Veröffentlicht: (2023)

When Is Distributed Nonlinear Aggregation Private? Optimality and Information-Theoretical Bounds
von: Yu, Wenrui, et al.
Veröffentlicht: (2026)

From Centralized to Decentralized Federated Learning: Theoretical Insights, Privacy Preservation, and Robustness Challenges
von: Li, Qiongxiu, et al.
Veröffentlicht: (2025)

Attack tree metrics are operad algebras
von: Lopuhaä-Zwakenberg, Milan
Veröffentlicht: (2024)

Multi-head Transformers Provably Learn Symbolic Multi-step Reasoning via Gradient Descent
von: Yang, Tong, et al.
Veröffentlicht: (2025)

Subgraph Federated Learning via Spectral Methods
von: Aliakbari, Javad, et al.
Veröffentlicht: (2025)

Greedy Sampling Is Provably Efficient for RLHF
von: Wu, Di, et al.
Veröffentlicht: (2025)

Optimal Privacy-Preserving Distributed Median Consensus
von: Yu, Wenrui, et al.
Veröffentlicht: (2025)

Over-the-Air Federated Learning via Weighted Aggregation
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2024)

A Provable Approach for End-to-End Safe Reinforcement Learning
von: Wachi, Akifumi, et al.
Veröffentlicht: (2025)

Fuzzy Fault Trees Formalized
von: Dang, Thi Kim Nhung, et al.
Veröffentlicht: (2024)

Confidence-Based Decoding is Provably Efficient for Diffusion Language Models
von: Cai, Changxiao, et al.
Veröffentlicht: (2026)

Quantitative analysis of attack-fault trees via Markov decision processes
von: Lopuhaä-Zwakenberg, Milan
Veröffentlicht: (2024)

Accelerating Convergence of Score-Based Diffusion Models, Provably
von: Li, Gen, et al.
Veröffentlicht: (2024)

Scalable Hierarchical Over-the-Air Federated Learning
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2022)

Decision Making in Changing Environments: Robustness, Query-Based Learning, and Differential Privacy
von: Chen, Fan, et al.
Veröffentlicht: (2025)

Digital Over-the-Air Federated Learning in Multi-Antenna Systems
von: Wang, Sihua, et al.
Veröffentlicht: (2023)

Taming Polysemanticity in LLMs: Provable Feature Recovery via Sparse Autoencoders
von: Chen, Siyu, et al.
Veröffentlicht: (2025)

Informationally Compressive Anonymization: Non-Degrading Sensitive Input Protection for Privacy-Preserving Supervised Machine Learning
von: Samuelson, Jeremy J
Veröffentlicht: (2026)

Does Privacy Always Harm Fairness? Data-Dependent Trade-offs via Chernoff Information Neural Estimation
von: Nichani, Arjun, et al.
Veröffentlicht: (2026)

Hierarchical Over-the-Air Federated Learning with Awareness of Interference and Data Heterogeneity
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2024)

Random Aggregate Beamforming for Over-the-Air Federated Learning in Large-Scale Networks
von: Xu, Chunmei, et al.
Veröffentlicht: (2024)

Over-the-Air Federated Learning: Rethinking Edge AI Through Signal Processing
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2025)

Compute-Update Federated Learning: A Lattice Coding Approach Over-the-Air
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2024)

Diffusion Model-Based Data Synthesis Aided Federated Semi-Supervised Learning
von: Wang, Zhongwei, et al.
Veröffentlicht: (2025)

Optimizing Learned Image Compression on Scalar and Entropy-Constraint Quantization
von: Borzechowski, Florian, et al.
Veröffentlicht: (2025)

OD-Stega: LLM-Based Relatively Secure Steganography via Optimized Distributions
von: Huang, Yu-Shin, et al.
Veröffentlicht: (2024)

Provable Robust Overfitting Mitigation in Wasserstein Distributionally Robust Optimization
von: Liu, Shuang, et al.
Veröffentlicht: (2025)

Learning During Detection: Continual Learning for Neural OFDM Receivers via DMRS
von: Obeed, Mohanad, et al.
Veröffentlicht: (2026)

Tackling Federated Unlearning as a Parameter Estimation Problem
von: Balordi, Antonio, et al.
Veröffentlicht: (2025)

Deep Randomized Distributed Function Computation (DeepRDFC): Neural Distributed Channel Simulation
von: Bergström, Didrik, et al.
Veröffentlicht: (2026)

Hybrid Federated Learning for Noise-Robust Training
von: Kim, Yongjun, et al.
Veröffentlicht: (2026)

Distributed and Rate-Adaptive Feature Compression
von: Deshmukh, Aditya, et al.
Veröffentlicht: (2024)

Energy-Efficient Edge Learning via Joint Data Deepening-and-Prefetching
von: Kook, Sujin, et al.
Veröffentlicht: (2024)

Contrastive ECOC: Learning Output Codes for Adversarial Defense
von: Chou, Che-Yu, et al.
Veröffentlicht: (2025)

In-Context Learning for MIMO Equalization Using Transformer-Based Sequence Models
von: Zecchin, Matteo, et al.
Veröffentlicht: (2023)

GeoIB: Geometry-Aware Information Bottleneck via Statistical-Manifold Compression
von: Wang, Weiqi, et al.
Veröffentlicht: (2026)

LASER: Linear Compression in Wireless Distributed Optimization
von: Makkuva, Ashok Vardhan, et al.
Veröffentlicht: (2023)