Buchumschlag

Efficient Federated Learning against Byzantine Attacks and Data Heterogeneity via Aggregating Normalized Gradients

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zuo, Shiyuan, Yan, Xingrun, Fan, Rongfei, Shen, Li, Zhao, Puning, Xu, Jie, Hu, Han
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Divergence-Based Adaptive Aggregation for Byzantine Robust Federated Learning
von: Xiao, Bingnan, et al.
Veröffentlicht: (2026)

Advancing Hybrid Defense for Byzantine Attacks in Federated Learning
von: Yue, Kai, et al.
Veröffentlicht: (2024)

High Dimensional Distributed Gradient Descent with Arbitrary Number of Byzantine Attackers
von: Liu, Wenyu, et al.
Veröffentlicht: (2023)

Private Aggregation for Byzantine-Resilient Heterogeneous Federated Learning
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

One-Bit Model Aggregation for Differentially Private and Byzantine-Robust Personalized Federated Learning
von: Lan, Muhang, et al.
Veröffentlicht: (2025)

Communication-and-Computation Efficient Split Federated Learning: Gradient Aggregation and Resource Management
von: Liang, Yipeng, et al.
Veröffentlicht: (2025)

Generalization Error Analysis for Attack-Free and Byzantine-Resilient Decentralized Learning with Data Heterogeneity
von: Ye, Haoxiang, et al.
Veröffentlicht: (2025)

Asynchronous Secure Federated Learning with Byzantine aggregators
von: Del Pozzo, Antonella, et al.
Veröffentlicht: (2026)

On Resilient and Efficient Linear Secure Aggregation in Hierarchical Federated Learning
von: Weng, Shudi, et al.
Veröffentlicht: (2026)

Communication Efficient Byzantine Agreement with Predictions
von: Dzulfikar, Muhammad Ayaz, et al.
Veröffentlicht: (2026)

Amortized Asynchronous Byzantine Reliable Broadcast with Optimal Resilience
von: Hu, Michael Yiqing, et al.
Veröffentlicht: (2026)

Robust Federated Fine-Tuning in Heterogeneous Networks with Unreliable Connections: An Aggregation View
von: Wang, Yanmeng, et al.
Veröffentlicht: (2025)

FedAPTA: Federated Multi-task Learning for Heterogeneous Devices with Adaptive Layer-wise Pruning and Task-aware Aggregation
von: Yu, Zhen, et al.
Veröffentlicht: (2025)

FedSSA: Semantic Similarity-based Aggregation for Efficient Model-Heterogeneous Personalized Federated Learning
von: Yi, Liping, et al.
Veröffentlicht: (2023)

DFPL: Decentralized Federated Prototype Learning Across Heterogeneous Data Distributions
von: Zhang, Hongliang, et al.
Veröffentlicht: (2025)

Interactive Byzantine-Resilient Gradient Coding for General Data Assignments
von: Jain, Shreyas, et al.
Veröffentlicht: (2024)

Byzantine-Resilient Zero-Order Optimization for Communication-Efficient Heterogeneous Federated Learning
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

Communication-Efficient Model Aggregation with Layer Divergence Feedback in Federated Learning
von: Wang, Liwei, et al.
Veröffentlicht: (2024)

Achieving Byzantine-Resilient Federated Learning via Layer-Adaptive Sparsified Model Aggregation
von: Xu, Jiahao, et al.
Veröffentlicht: (2024)

Federated Learning Resilient to Byzantine Attacks and Data Heterogeneity
von: Zuo, Shiyuan, et al.
Veröffentlicht: (2024)

Byzantine-Robust and Communication-Efficient Distributed Training: Compressive and Cyclic Gradient Coding
von: Li, Chengxi, et al.
Veröffentlicht: (2026)

dSTAR: Straggler Tolerant and Byzantine Resilient Distributed SGD
von: Yan, Jiahe, et al.
Veröffentlicht: (2024)

Imitater: An Efficient Shared Mempool Protocol with Application to Byzantine Fault Tolerance
von: Zeng, Qingming, et al.
Veröffentlicht: (2024)

Proximal Byzantine Consensus
von: Shadmon, Roy, et al.
Veröffentlicht: (2024)

Byzantine Agreement with Predictions
von: Ben-David, Naama, et al.
Veröffentlicht: (2025)

Byzantine Stable Matching
von: Constantinescu, Andrei, et al.
Veröffentlicht: (2025)

Heterogeneous Federated Fine-Tuning with Parallel One-Rank Adaptation
von: Zhang, Zikai, et al.
Veröffentlicht: (2026)

Byzantine Attacks Exploiting Penalties in Ethereum PoS
von: Pavloff, Ulysse, et al.
Veröffentlicht: (2024)

Not eXactly Byzantine: Efficient and Resilient TEE-Based State Machine Replication
von: Leinweber, Marc, et al.
Veröffentlicht: (2025)

FedAgg: Adaptive Federated Learning with Aggregated Gradients
von: Yuan, Wenhao, et al.
Veröffentlicht: (2023)

Quantum-Enhanced Distributed Sensor Fusion: Lower Bounds on Aggregation from Projection Noise to Heisenberg-Limited Byzantine-Tolerant Networks
von: Iyer, Vasanth, et al.
Veröffentlicht: (2026)

An Efficient Subspace Algorithm for Federated Learning on Heterogeneous Data
von: Zhang, Jiaojiao, et al.
Veröffentlicht: (2025)

Shard the Gradient, Scale the Model: Serverless Federated Aggregation via Gradient Partitioning
von: Barrak, Amine
Veröffentlicht: (2026)

You can lie but not deny: SWMR registers with signature properties in systems with Byzantine processes
von: Hu, Xing, et al.
Veröffentlicht: (2025)

Partition Detection in Byzantine Networks
von: Bromberg, Yérom-David, et al.
Veröffentlicht: (2024)

Byzantine-Resilient Population Protocols
von: Busch, Costas, et al.
Veröffentlicht: (2021)

Data Heterogeneity-Aware Client Selection for Federated Learning in Wireless Networks
von: Yang, Yanbing, et al.
Veröffentlicht: (2025)

Personalized Federated Learning on Data with Dynamic Heterogeneity under Limited Storage
von: Tan, Sixing, et al.
Veröffentlicht: (2024)

Heterogeneity-Aware Memory Efficient Federated Learning via Progressive Layer Freezing
von: Yebo, Wu, et al.
Veröffentlicht: (2024)

HLoRA: Efficient Federated Learning System for LLM Heterogeneous Fine-Tuning
von: Liu, Qianli, et al.
Veröffentlicht: (2025)