Buchumschlag

FedHide: Federated Learning by Hiding in the Neighbors

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Park, Hyunsin, Yun, Sungrack
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

Feature Diversification and Adaptation for Federated Domain Generalization
von: Yang, Seunghan, et al.
Veröffentlicht: (2024)

Hide and Find: A Distributed Adversarial Attack on Federated Graph Learning
von: Liu, Jinshan, et al.
Veröffentlicht: (2026)

Hide to Guide: Learning via Semantic Masking
von: Liu, Ruitao, et al.
Veröffentlicht: (2026)

Hiding in Plain Sight: Disguising Data Stealing Attacks in Federated Learning
von: Garov, Kostadin, et al.
Veröffentlicht: (2023)

Federated One-Shot Learning with Data Privacy and Objective-Hiding
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

Hiding in Plain Sight: Reframing Hardware Trojan Benchmarking as a Hide&Seek Modification
von: Sarihi, Amin, et al.
Veröffentlicht: (2024)

BAFFLE: Hiding Backdoors in Offline Reinforcement Learning Datasets
von: Gong, Chen, et al.
Veröffentlicht: (2022)

Erase or Hide? Suppressing Spurious Unlearning Neurons for Robust Unlearning
von: Yang, Nakyeong, et al.
Veröffentlicht: (2025)

TraceHiding: Scalable Machine Unlearning for Mobility Data
von: Faraji, Ali, et al.
Veröffentlicht: (2025)

Steering Guidance for Personalized Text-to-Image Diffusion Models
von: Park, Sunghyun, et al.
Veröffentlicht: (2025)

Robust Optimization Approach and Learning Based Hide-and-Seek Game for Resilient Network Design
von: Khosravi, Mohammad, et al.
Veröffentlicht: (2026)

Tripartite Weight-Space Ensemble for Few-Shot Class-Incremental Learning
von: Lee, Juntae, et al.
Veröffentlicht: (2025)

Aggregation Hides Out-of-Distribution Generalization Failures from Spurious Correlations
von: Salaudeen, Olawale, et al.
Veröffentlicht: (2025)

Hide & Seek: Transformer Symmetries Obscure Sharpness & Riemannian Geometry Finds It
von: da Silva, Marvin F., et al.
Veröffentlicht: (2025)

Neural Chameleons: Language Models Can Learn to Hide Their Thoughts from Unseen Activation Monitors
von: McGuinness, Max, et al.
Veröffentlicht: (2025)

What Hides behind Unfairness? Exploring Dynamics Fairness in Reinforcement Learning
von: Deng, Zhihong, et al.
Veröffentlicht: (2024)

Reference-Specific Unlearning Metrics Can Hide the Truth: A Reality Check
von: Cho, Sungjun, et al.
Veröffentlicht: (2025)

NeuraLUT: Hiding Neural Network Density in Boolean Synthesizable Functions
von: Andronic, Marta, et al.
Veröffentlicht: (2024)

Hiding Backdoors within Event Sequence Data via Poisoning Attacks
von: Ermilova, Alina, et al.
Veröffentlicht: (2023)

Hide and Seek: Investigating Redundancy in Earth Observation Imagery
von: Papazafeiropoulos, Tasos, et al.
Veröffentlicht: (2026)

When Chain-of-Thought Fails, the Solution Hides in the Hidden States
von: Mehrafarin, Houman, et al.
Veröffentlicht: (2026)

Hide and Seek in Noise Labels: Noise-Robust Collaborative Active Learning with LLM-Powered Assistance
von: Yuan, Bo, et al.
Veröffentlicht: (2025)

Memory-Efficient Personalization of Text-to-Image Diffusion Models via Selective Optimization Strategies
von: Choi, Seokeon, et al.
Veröffentlicht: (2025)

FedNE: Surrogate-Assisted Federated Neighbor Embedding for Dimensionality Reduction
von: Li, Ziwei, et al.
Veröffentlicht: (2024)

Hide in Plain Sight: Clean-Label Backdoor for Auditing Membership Inference
von: Chen, Depeng, et al.
Veröffentlicht: (2024)

Can Watermarking Large Language Models Prevent Copyrighted Text Generation and Hide Training Data?
von: Panaitescu-Liess, Michael-Andrei, et al.
Veröffentlicht: (2024)

Undetectable Backdoors in Model Parameters: Hiding Sparse Secrets in High Dimensions
von: Choudhary, Sarthak, et al.
Veröffentlicht: (2026)

Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT
von: Atad, Matan, et al.
Veröffentlicht: (2025)

Combinatorial Privacy: Private Multi-Party Bitstream Grand Sum by Hiding in Birkhoff Polytopes
von: Vepakomma, Praneeth
Veröffentlicht: (2026)

FedIN: Federated Intermediate Layers Learning for Model Heterogeneity
von: Chan, Yun-Hin, et al.
Veröffentlicht: (2023)

Hiding and Recovering Knowledge in Text-to-Image Diffusion Models via Learnable Prompts
von: Bui, Anh, et al.
Veröffentlicht: (2024)

Differentially Private Secure Multiplication: Hiding Information in the Rubble of Noise
von: Cadambe, Viveck R., et al.
Veröffentlicht: (2023)

What is Hiding in Medicine's Dark Matter? Learning with Missing Data in Medical Practices
von: Suzen, Neslihan, et al.
Veröffentlicht: (2024)

Revisiting the Structure of Trend Premia: When Diversification Hides Redundancy
von: Etienne, Alban, et al.
Veröffentlicht: (2025)

HiViS: Hiding Visual Tokens from the Drafter for Speculative Decoding in Vision-Language Models
von: Xie, Zhinan, et al.
Veröffentlicht: (2025)

FedHQ: Hybrid Runtime Quantization for Federated Learning
von: Zheng, Zihao, et al.
Veröffentlicht: (2025)

InstaHide's Sample Complexity When Mixing Two Private Images
von: Huang, Baihe, et al.
Veröffentlicht: (2020)

FedGrAINS: Personalized SubGraph Federated Learning with Adaptive Neighbor Sampling
von: Ceyani, Emir, et al.
Veröffentlicht: (2025)

A High-Throughput Compute-Efficient POMDP Hide-And-Seek-Engine (HASE) for Multi-Agent Operations
von: Flavin, Timothy, et al.
Veröffentlicht: (2026)

WavInWav: Time-domain Speech Hiding via Invertible Neural Network
von: Fan, Wei, et al.
Veröffentlicht: (2025)